library(haven)
library(labelled) # for general functions to work with labelled data
library(tidyverse) # general wrangling
library(dplyr)
library(Hmisc)
library(gtsummary) # to demonstrate automatic use of variable labels in summary tables
library(readxl)
library(foreign)
library(sjPlot)
library(sjmisc)
library(sjlabelled) # for example efc data set with variable labels
library(stringr)
rm(list = ls())
path = here::here()
dir_input_data = paste0(path, "/output_data")
dir_output_data = paste0(path, "/output_data/Common labels data")
BFA_Harmonization_variables <- read_excel(paste0(dir_input_data,"/BFA_Harmonization.xlsx"),
sheet = "variables_harmonization")
BFA_Harmonization_description <- read_excel(paste0(dir_input_data,"/BFA_Harmonization.xlsx"),
sheet = "description")
lst_test = BFA_Harmonization_description$Name
for(i in 1:length(lst_test)) { # Head of for-loop
assign(lst_test[i], # Read and store data frames
read_dta(paste0(dir_input_data,"/",lst_test[i],".dta")))
}
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
#Base non disponible
#Burkina_pdm_2019 <- Burkina_pdm_2019 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Burkina_ea_2019 <- Burkina_ea_2019 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Burkina_ea_2020 <- Burkina_ea_2020 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Burkina_ea_2021 <- Burkina_ea_2021 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Burkina_ea_2021 <- mutate_all(Burkina_ea_2021, as.character)
Burkina_ea_2021 <- Burkina_ea_2021 %>% filter(ADMIN1Name != "")
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Burkina_pdm_2021 <- mutate_all(Burkina_pdm_2021, as.character)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% filter(ADMIN1Name != "")
Burkina_ea_2022 <- Burkina_ea_2022 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
#Burkina_baseline_2018 <- Burkina_baseline_2018 %>% filter(RESPConsent == 1) NA
#Base non disponible
#Burkina_pdm_2019 <- Burkina_pdm_2019 %>% filter(RESPConsent == "Oui")
#Burkina_ea_2019 <- Burkina_ea_2019 %>% filter(RESPConsent == 1) NA
Burkina_ea_2020 <- Burkina_ea_2020 %>% filter(RESPConsent ==1)
Burkina_ea_2021 <- Burkina_ea_2021 %>% filter(RESPConsent == "")
#Burkina_pdm_2021 <- Burkina_pdm_2021 %>% filter(RESPConsent =="") NA
Burkina_ea_2022 <- Burkina_ea_2022 %>% filter(RESPConsent == 1)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Burkina_pdm_2019 <- Burkina_pdm_2019 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Burkina_ea_2019 <- Burkina_ea_2019 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Burkina_ea_2020 <- Burkina_ea_2020 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Burkina_ea_2022 <- Burkina_ea_2022 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
#Burkina_ea_2021_with_ID <- Burkina_ea_2021 %>% dplyr::distinct(ID) %>% dplyr::filter(!is.na(ID))
Burkina_ea_2021$ID <- 1:nrow(Burkina_ea_2021)
Burkina_ea_2021_with_ID <- Burkina_ea_2021
colonnes_caracteres <- sapply(Burkina_ea_2021_with_ID, function(x) !is.numeric(x))
Burkina_ea_2021_with_ID[colonnes_caracteres] <- lapply(Burkina_ea_2021_with_ID[colonnes_caracteres], to_factor)
Burkina_ea_2021_with_ID <- labelled::to_factor(Burkina_ea_2021_with_ID)
write_dta(Burkina_ea_2021_with_ID,"Burkina_ea_2021_with_ID.dta")
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(YEAR= "2022" %>%
structure(label = "Annee"))
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
Burkina_ea_2022$ADMIN1Name<- as.character(Burkina_ea_2022$ADMIN1Name)
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(ADMIN1Name = case_when(
ADMIN1Name == "CENTRE_NORD" ~ "Centre_Nord",
ADMIN1Name == "EST" ~ "Est",
ADMIN1Name == "NORD" ~ "Nord",
ADMIN1Name == "SAHEL" ~ "Sahel",
.default = as.character(ADMIN1Name)
)%>%
structure(label = label(Burkina_ea_2022$ADMIN1Name)))
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Est" ~ "BF52",
ADMIN1Name == "Nord" ~ "BF54",
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Burkina_ea_2022$ADMIN2Name<-as.character(Burkina_ea_2022$ADMIN2Name)
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "BAM" ~ "Bam",
ADMIN2Name == "GNAGNA" ~ "Gnagna",
ADMIN2Name == "GOURMA" ~ "Gourma",
ADMIN2Name == "NAMENTENGA" ~ "Namentenga",
ADMIN2Name == "PASSORE" ~ "Passore",
ADMIN2Name == "SANMATENGA" ~ "Sanmatenga",
ADMIN2Name == "SENO" ~ "Seno",
ADMIN2Name == "YATENGA" ~ "Yatenga",
ADMIN2Name == "ZONDOMA" ~ "Zondoma",
#.default = as.character(ADMIN2Name)
)%>%
structure(label = label(Burkina_ea_2022$ADMIN2Name)))
Burkina_ea_2022 = Burkina_ea_2022 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Bam" ~ "BF4901",
ADMIN2Name == "Gnagna" ~ "BF5201",
ADMIN2Name == "Gourma" ~ "BF5202",
ADMIN2Name == "Namentenga" ~ "BF4902",
ADMIN2Name == "Passore" ~ "BF5402",
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
ADMIN2Name == "Yatenga" ~ "BF5403",
ADMIN2Name == "Zondoma" ~ "BF5404",
#TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(YEAR= "2021" %>%
structure(label = "Annee"))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
# Burkina_ea_2021 = Burkina_ea_2021 %>%
# dplyr::mutate(ADMIN1Name = case_when(
#
# .default = as.character(ADMIN1Name)
# )%>%
# structure(label = label(Burkina_ea_2021$ADMIN1Name)))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Est" ~ "BF52",
ADMIN1Name == "Nord" ~ "BF54",
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Burkina_ea_2021$ADMIN2Name<-as.character(Burkina_ea_2021$ADMIN2Name)
# Burkina_ea_2021 = Burkina_ea_2021 %>%
# dplyr::mutate(ADMIN2Name=case_when(
#
# TRUE ~ as.character(ADMIN2Name)
# )%>%
# structure(label = label(Burkina_ea_2021$ADMIN2Name)))
Burkina_ea_2021 = Burkina_ea_2021 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Gnagna" ~ "BF5201",
ADMIN2Name == "Gourma" ~ "BF5202",
ADMIN2Name == "Namentenga" ~ "BF4902",
ADMIN2Name == "Passore" ~ "BF5402",
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
ADMIN2Name == "Yatenga" ~ "BF5403",
ADMIN2Name == "Zondoma" ~ "BF5404",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(YEAR= "2021" %>%
structure(label = "Annee"))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(SURVEY= "PDM" %>%
structure(label = "Type d'enquête"))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
################# admin1 codification
Burkina_pdm_2021$ADMIN1Name<-as.character(Burkina_pdm_2021$ADMIN1Name)
# Burkina_pdm_2021 = Burkina_pdm_2021 %>%
# dplyr::mutate(ADMIN1Name=case_when(
#
# TRUE ~ as.character(ADMIN1Name)
# )%>%
# structure(label = label(Burkina_pdm_2021$ADMIN1Name)))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Est" ~ "BF52",
ADMIN1Name == "Nord" ~ "BF54",
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
##
Burkina_pdm_2021$ADMIN2Name<-as.character(Burkina_pdm_2021$ADMIN2Name)
# Burkina_pdm_2021 = Burkina_pdm_2021 %>%
# dplyr::mutate(ADMIN2Name=case_when(
#
# TRUE ~ as.character(ADMIN2Name)
# )%>%
# structure(label = label(Burkina_pdm_2021$ADMIN2Name)))
Burkina_pdm_2021 = Burkina_pdm_2021 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Gnagna" ~ "BF5201",
ADMIN2Name == "Passore" ~ "BF5402",
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
ADMIN2Name == "Yatenga" ~ "BF5403",
ADMIN2Name == "Zondoma" ~ "BF5404",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(YEAR= "2020" %>%
structure(label = "Annee"))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
################# admin1 codification
Burkina_ea_2020$ADMIN1Name<-as.character(Burkina_ea_2020$ADMIN1Name)
# Burkina_ea_2020 = Burkina_ea_2020 %>%
# dplyr::mutate(ADMIN1Name=case_when(
#
# TRUE ~ as.character(ADMIN1Name)
# )%>%
# structure(label = label(Burkina_ea_2020$ADMIN1Name)))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Est" ~ "BF52",
ADMIN1Name == "Nord" ~ "BF54",
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Burkina_ea_2020$ADMIN2Name<-as.character(Burkina_ea_2020$ADMIN2Name)
# Burkina_ea_2020 = Burkina_ea_2020 %>%
# dplyr::mutate(ADMIN2Name=case_when(
#
# TRUE ~ as.character(ADMIN2Name)
# )%>%
# structure(label = label(Burkina_ea_2020$ADMIN2Name)))
Burkina_ea_2020 = Burkina_ea_2020 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Gnagna" ~ "BF5201",
ADMIN2Name == "Namentenga" ~ "BF4902",
ADMIN2Name == "Passore" ~ "BF5402",
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
ADMIN2Name == "Yatenga" ~ "BF5403",
ADMIN2Name == "Zondoma" ~ "BF5404",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(YEAR= "2019" %>%
structure(label = "Annee"))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
################# admin1 codification
Burkina_ea_2019$ADMIN1Name<-as.character(Burkina_ea_2019$ADMIN1Name)
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(ADMIN1Name=case_when(
ADMIN1Name == "CENTRE-NORD" ~ "Centre_Nord",
ADMIN1Name == "SAHEL" ~ "Sahel",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = label(Burkina_ea_2019$ADMIN1Name)))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
##
Burkina_ea_2019$ADMIN2Name<-as.character(Burkina_ea_2019$ADMIN2Name)
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "SAMANTENGA" ~ "Sanmatenga",
ADMIN2Name == "SENO" ~ "Seno" ,
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = label(Burkina_ea_2019$ADMIN2Name)))
Burkina_ea_2019 = Burkina_ea_2019 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
# Base non disponible
# Burkina_pdm_2019 = Burkina_pdm_2019 %>%
# dplyr::mutate(YEAR= "2019" %>%
# structure(label = "Annee"))
#
# Burkina_pdm_2019 = Burkina_pdm_2019 %>%
# dplyr::mutate(SURVEY= "PDM" %>%
# structure(label = "Type d'enquête"))
# Burkina_pdm_2019 = Burkina_pdm_2019 %>%
# dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
# structure(label = "Nom du pays"))
# Burkina_pdm_2019 = Burkina_pdm_2019 %>%
# dplyr::mutate(adm0_ocha= "BF" %>%
# structure(label = "Admin 0 ID"))
#
#
# ################# admin1 codification
# Burkina_pdm_2019$ADMIN1Name<-as.character(Burkina_pdm_2019$ADMIN1Name)
#
# Burkina_pdm_2019 = Burkina_pdm_2019 %>%
# dplyr::mutate(ADMIN1Name=case_when(
#
# TRUE ~ as.character(ADMIN1Name)
# )%>%
# structure(label = label(Burkina_pdm_2019$ADMIN1Name)))
#
#
# BFA_pdm_2020 = BFA_pdm_2020 %>%
# dplyr::mutate(adm1_ocha=case_when(
#
# TRUE ~ as.character(ADMIN1Name)
# )%>%
# structure(label = "Admin 1 ID"))
#
#Burkina_baseline_2018 <- mutate_all(Burkina_baseline_2018, as.character)
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(YEAR= "2018" %>%
structure(label = "Annee"))
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(SURVEY= "Baseline" %>%
structure(label = "Type d'enquête"))
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(ADMIN0Name= "Burkina Faso" %>%
structure(label = "Nom du pays"))
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(adm0_ocha= "BF" %>%
structure(label = "Admin 0 ID"))
Burkina_baseline_2018$ADMIN1Name<- as.character(Burkina_baseline_2018$ADMIN1Name)
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(ADMIN1Name=case_when(
ADMIN1Name == "centrnord" ~ "Centre_Nord",
ADMIN1Name == "sahel" ~ "Sahel",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = label(Burkina_baseline_2018$ADMIN1Name)))
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Sahel" ~ "BF56",
ADMIN1Name == "Centre_Nord" ~ "BF49",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Burkina_baseline_2018$ADMIN2Name<- as.character(Burkina_baseline_2018$ADMIN2Name)
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "sanemntenga" ~ "Sanmatenga",
ADMIN2Name == "seno" ~ "Seno" ,
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = label(Burkina_baseline_2018$ADMIN2Name)))
Burkina_baseline_2018 = Burkina_baseline_2018 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Sanmatenga" ~ "BF4903",
ADMIN2Name == "Seno" ~ "BF5602",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
The Food consumption Score (FCS) is an index that aggregates household-level data on the diversity and frequency of food groups consumed over the last 7 days. It is then weighted according to the relative nutritional value of the consumed food groups. Food groups containing nutritionally dense foods (e.g. animal based products) are given greater weight than those containing less nutritional value (e.g. tubers) as follows: (main staples:2, pulses:3, vegetables:1, fruit:1, meat or fish:4, milk:4, sugar:0.5, oil:0.5).
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
# Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSStap = recode(FCSStap,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSStap <- replace(Burkina_baseline_2018$FCSStap, is.na(Burkina_baseline_2018$FCSStap), 0)
Burkina_baseline_2018$FCSStap <- as.numeric(Burkina_baseline_2018$FCSStap)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSStap,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSStap"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2019$FCSStap <- replace(Burkina_ea_2019$FCSStap, is.na(Burkina_ea_2019$FCSStap), 0)
Burkina_ea_2019$FCSStap <- as.numeric(Burkina_ea_2019$FCSStap)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSStap,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSStap"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2020$FCSStap <- replace(Burkina_ea_2020$FCSStap, is.na(Burkina_ea_2020$FCSStap), 0)
Burkina_ea_2020$FCSStap <- as.numeric(Burkina_ea_2020$FCSStap)
#Plot
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSStap,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSStap <- replace(Burkina_ea_2021$FCSStap, is.na(Burkina_ea_2021$FCSStap), 0)
Burkina_ea_2021$FCSStap <- as.numeric(Burkina_ea_2021$FCSStap)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSStap,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSStap <- replace(Burkina_ea_2022$FCSStap, is.na(Burkina_ea_2022$FCSStap), 0)
Burkina_ea_2022$FCSStap <- as.numeric(Burkina_ea_2022$FCSStap)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSStap,show.na = T)

##### Burkina_pdm_2021
#Variable FCSStap doesn't exist
Burkina_pdm_2021$FCSStap <- replace(Burkina_pdm_2021$FCSStap, is.na(Burkina_pdm_2021$FCSStap), 0)
Burkina_pdm_2021$FCSStap <- as.numeric(Burkina_pdm_2021$FCSStap)
# Codes d’acquisition des aliments
# 1 = Production propre (récoltes, élevage) ; 2 = Pêche / Chasse ; 3 = Cueillette ; 4 = Prêts ; 5 = Marché (achat avec des espèces) ; 6 = Marché (achat à crédit) ;
# 7 = Mendicité ; 8 = Troc travail ou biens contre des aliments ; 9 = Dons (aliments) de membres de la famille ou d’amis ; 10 = Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
expss::val_lab(Burkina_baseline_2018$FCSStapSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8,"8"=9, "9" = 10, "88" = NA_real_)
Burkina_baseline_2018$FCSStapSRf <- labelled::labelled(Burkina_baseline_2018$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSStapSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
expss::val_lab(Burkina_ea_2019$FCSStapSRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=2,"6"=4,"7"=7,"8"=9, "9" = 10, "88" = NA_real_)
Burkina_ea_2019$FCSStapSRf <- labelled::labelled(Burkina_ea_2019$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSStapSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSStapSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4, "9" = 2, "10" = 9, "11"= 9)
Burkina_ea_2020$FCSStapSRf <- labelled::labelled(Burkina_ea_2020$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2020$FCSStapSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSStapSRf)
## NULL
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"100"=1,"200"=2,"300"=3, "400"=4,"500"=5,"600"=6, "700"= 7,"800"=8, "900" = 9, "1000" = 10)
Burkina_ea_2021$FCSStapSRf <- labelled::labelled(Burkina_ea_2021$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSStapSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
#Pas de variable FCSStapSRf
expss::val_lab(Burkina_pdm_2021$FCSStapSRf)
## NULL
Burkina_pdm_2021$FCSStapSRf <- as.factor(Burkina_pdm_2021$FCSStapSRf)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSStapSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"100"=1,"200"=2,"400"=4,"500"=5,"600"=6, "700"= 7,"800"=8, "900" = 9, "1000" = 10)
Burkina_ea_2022$FCSStapSRf <- labelled::labelled(Burkina_ea_2022$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSStapSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSPulse = recode(FCSPulse,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSPulse <- replace(Burkina_baseline_2018$FCSPulse, is.na(Burkina_baseline_2018$FCSPulse), 0)
Burkina_baseline_2018$FCSPulse <- as.numeric(Burkina_baseline_2018$FCSPulse)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPulse"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2019$FCSPulse <- replace(Burkina_ea_2019$FCSPulse, is.na(Burkina_ea_2019$FCSPulse), 0)
Burkina_ea_2019$FCSPulse <- as.numeric(Burkina_ea_2019$FCSPulse)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSPulse"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2020$FCSPulse <- replace(Burkina_ea_2020$FCSPulse, is.na(Burkina_ea_2020$FCSPulse), 0)
Burkina_ea_2020$FCSPulse <- as.numeric(Burkina_ea_2020$FCSPulse)
#Plot
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSPulse <- replace(Burkina_ea_2021$FCSPulse, is.na(Burkina_ea_2021$FCSPulse), 0)
Burkina_ea_2021$FCSPulse <- as.numeric(Burkina_ea_2021$FCSPulse)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPulse <- replace(Burkina_ea_2022$FCSPulse, is.na(Burkina_ea_2022$FCSPulse), 0)
Burkina_ea_2022$FCSPulse <- as.numeric(Burkina_ea_2022$FCSPulse)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPulse <- replace(Burkina_pdm_2021$FCSPulse, is.na(Burkina_pdm_2021$FCSPulse), 0)
Burkina_pdm_2021$FCSPulse <- as.numeric(Burkina_pdm_2021$FCSPulse)
#Plot
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPulse,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSPulseSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8,"8"=9, "9"=10, "88" =NA_real_)
Burkina_baseline_2018$FCSPulseSRf <- labelled::labelled(Burkina_baseline_2018$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
expss::val_lab(Burkina_ea_2019$FCSPulseSRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=2,"6"=4,"7"=7,"8"=9, "9"=10, "88" =NA_real_)
Burkina_ea_2019$FCSPulseSRf <- labelled::labelled(Burkina_ea_2019$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSPulseSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6, "6"=8,"10"=8,"11"=8, "7"=9,"8"=4,"9"=2)
Burkina_ea_2020$FCSPulseSRf <- labelled::labelled(Burkina_ea_2020$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2020$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSPulseSRf)
## NULL
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5, "600"=6,"700"=7,"800"=8, "900"=9,"1000"=10)
Burkina_ea_2021$FCSPulseSRf <- labelled::labelled(Burkina_ea_2021$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette` = 3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Dons (aliments) de membres de la famille ou d’amis`=9,`Troc travail ou biens contre des aliments`=8,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Troc travail ou biens contre des aliments
## 8
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
expss::val_lab(Burkina_pdm_2021$FCSPulseSRf)
## NULL
Burkina_pdm_2021%>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"4"=5,"5"=9, .default=NA_real_)
Burkina_pdm_2021$FCSPulseSRf <- labelled::labelled(Burkina_pdm_2021$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_pdm_2021$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021%>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"100"=1,"400"=4,"500"=5, "600"=6,"700"=7,"900"=9)
Burkina_ea_2022$FCSPulseSRf <- labelled::labelled(Burkina_ea_2022$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSPulseSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSDairy = recode(FCSDairy,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSDairy <- replace(Burkina_baseline_2018$FCSDairy, is.na(Burkina_baseline_2018$FCSDairy), 0)
Burkina_baseline_2018$FCSDairy <- as.numeric(Burkina_baseline_2018$FCSDairy)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSDairy"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2019$FCSDairy <- replace(Burkina_ea_2019$FCSDairy, is.na(Burkina_ea_2019$FCSDairy), 0)
Burkina_ea_2019$FCSDairy <- as.numeric(Burkina_ea_2019$FCSDairy)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSDairy"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2020$FCSDairy <- replace(Burkina_ea_2020$FCSDairy, is.na(Burkina_ea_2020$FCSDairy), 0)
Burkina_ea_2020$FCSDairy <- as.numeric(Burkina_ea_2020$FCSDairy)
#Plot
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSDairy <- replace(Burkina_ea_2021$FCSDairy, is.na(Burkina_ea_2021$FCSDairy), 0)
Burkina_ea_2021$FCSDairy <- as.numeric(Burkina_ea_2021$FCSDairy)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSDairy <- replace(Burkina_ea_2022$FCSDairy, is.na(Burkina_ea_2022$FCSDairy), 0)
Burkina_ea_2022$FCSDairy <- as.numeric(Burkina_ea_2022$FCSDairy)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSDairy <- replace(Burkina_pdm_2021$FCSDairy, is.na(Burkina_pdm_2021$FCSDairy), 0)
Burkina_pdm_2021$FCSDairy <- as.numeric(Burkina_pdm_2021$FCSDairy)
#Plot
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSDairy,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSDairySRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8,"8"= 9, "9"=10, "88" =NA_real_)
Burkina_baseline_2018$FCSDairySRf <- labelled::labelled(Burkina_baseline_2018$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
expss::val_lab(Burkina_ea_2019$FCSDairySRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=2,"6"=4,"7"=7,"8"= 9, "9"=10, "88" =NA_real_)
Burkina_ea_2019$FCSDairySRf <- labelled::labelled(Burkina_ea_2019$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSDairySRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"= 4, "9"=2,"10"=8, "11"=8)
Burkina_ea_2020$FCSDairySRf <- labelled::labelled(Burkina_ea_2020$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2020$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSDairySRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5, "600"=6,"700"=7,"800"=8, "900"=9,"1000"=10)
Burkina_ea_2021$FCSDairySRf <- labelled::labelled(Burkina_ea_2021$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#A revoir Burkina_pdm_2021
expss::val_lab(Burkina_pdm_2021$FCSDairySRf)
## NULL
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"3"=1,"4"=5, "7"=9,.default
= NA_real_)
Burkina_pdm_2021$FCSDairySRf <- labelled::labelled(Burkina_pdm_2021$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_pdm_2021$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSDairySRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"100"=1,"300"=3,"400"=4,"500"=5, "600"=6,"900"=9)
Burkina_ea_2022$FCSDairySRf <- labelled::labelled(Burkina_ea_2022$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSDairySRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018$FCSPr <- replace(Burkina_baseline_2018$FCSPr, is.na(Burkina_baseline_2018$FCSPr), 0)
Burkina_baseline_2018$FCSPr <- as.numeric(Burkina_baseline_2018$FCSPr)
##### Burkina_ea_2019
Burkina_ea_2019$FCSPr <- replace(Burkina_ea_2019$FCSPr, is.na(Burkina_ea_2019$FCSPr), 0)
Burkina_ea_2019$FCSPr <- as.numeric(Burkina_ea_2019$FCSPr)
##### Burkina_ea_2020
Burkina_ea_2020$FCSPr <- replace(Burkina_ea_2020$FCSPr, is.na(Burkina_ea_2020$FCSPr), 0)
Burkina_ea_2020$FCSPr <- as.numeric(Burkina_ea_2020$FCSPr)
#Plot
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSPr,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSPr <- replace(Burkina_ea_2021$FCSPr, is.na(Burkina_ea_2021$FCSPr), 0)
Burkina_ea_2021$FCSPr <- as.numeric(Burkina_ea_2021$FCSPr)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPr,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPr <- replace(Burkina_ea_2022$FCSPr, is.na(Burkina_ea_2022$FCSPr), 0)
Burkina_ea_2022$FCSPr <- as.numeric(Burkina_ea_2022$FCSPr)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPr,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPr <- replace(Burkina_pdm_2021$FCSPr, is.na(Burkina_pdm_2021$FCSPr), 0)
Burkina_ea_2022$FCSPr <- as.numeric(Burkina_ea_2022$FCSPr)
#Variable inéxistante
expss::val_lab(Burkina_baseline_2018$FCSPrSRf)
## NULL
Burkina_baseline_2018$FCSPrSRf<- as.factor(Burkina_baseline_2018$FCSPrSRf)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
# expss::val_lab(Burkina_pdm_2019$FCSPrSRf)
# Burkina_pdm_2019%>%
# sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Variable inéxistante
expss::val_lab(Burkina_ea_2020$FCSPrSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020$FCSPrSRf <- as.factor(Burkina_ea_2020$FCSPrSRf)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4, "9"=2,"10"=8, "11"=8)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSPrSRf)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"100"=1,"200"=2,"400"=4,"500"=5,"600"=6,"900"=9)
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Variable inexistente
expss::val_lab(Burkina_pdm_2021$FCSPrSRf)
## NULL
Burkina_pdm_2021$FCSPrSRf <- as.factor(Burkina_pdm_2021$FCSPrSRf)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"100"=1,"200"=2,"400"=4,"500"=5,"600"=6,"800"=8, "900"=9, "1000"=10)
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSPrMeatF = recode(FCSPrMeatF,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSPrMeatF <- replace(Burkina_baseline_2018$FCSPrMeatF, is.na(Burkina_baseline_2018$FCSPrMeatF), 0)
Burkina_baseline_2018$FCSPrMeatF <- as.numeric(Burkina_baseline_2018$FCSPrMeatF)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPrMeatF"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2019$FCSPrMeatF <- replace(Burkina_ea_2019$FCSPrMeatF, is.na(Burkina_ea_2019$FCSPrMeatF), 0)
Burkina_ea_2019$FCSPrMeatF <- as.numeric(Burkina_ea_2019$FCSPrMeatF)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSPrMeatF <- replace(Burkina_ea_2020$FCSPrMeatF, is.na(Burkina_ea_2020$FCSPrMeatF), 0)
Burkina_ea_2020$FCSPrMeatF <- as.numeric(Burkina_ea_2020$FCSPrMeatF)
##### Burkina_ea_2021
Burkina_ea_2021$FCSPrMeatF <- replace(Burkina_ea_2021$FCSPrMeatF, is.na(Burkina_ea_2021$FCSPrMeatF), 0)
Burkina_ea_2021$FCSPrMeatF <- as.numeric(Burkina_ea_2021$FCSPrMeatF)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPrMeatF <- replace(Burkina_ea_2022$FCSPrMeatF, is.na(Burkina_ea_2022$FCSPrMeatF), 0)
Burkina_ea_2022$FCSPrMeatF <- as.numeric(Burkina_ea_2022$FCSPrMeatF)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPrMeatF <- replace(Burkina_pdm_2021$FCSPrMeatF, is.na(Burkina_pdm_2021$FCSPrMeatF), 0)
Burkina_pdm_2021$FCSPrMeatF <- as.numeric(Burkina_pdm_2021$FCSPrMeatF)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSPrMeatO = recode(FCSPrMeatO,
"0" = 0,
"1" = 1,
"2" = 2,
.default = 0))
Burkina_baseline_2018$FCSPrMeatO <- replace(Burkina_baseline_2018$FCSPrMeatO, is.na(Burkina_baseline_2018$FCSPrMeatO), 0)
Burkina_baseline_2018$FCSPrMeatO <- as.numeric(Burkina_baseline_2018$FCSPrMeatO)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPrMeatO"),recode,"1 jour"=1,"2 jours"=2,"Pas mangé"=0)
Burkina_ea_2019$FCSPrMeatO <- replace(Burkina_ea_2019$FCSPrMeatO, is.na(Burkina_ea_2019$FCSPrMeatO), 0)
Burkina_ea_2019$FCSPrMeatO <- as.numeric(Burkina_ea_2019$FCSPrMeatO)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSPrMeatO <- replace(Burkina_ea_2020$FCSPrMeatO, is.na(Burkina_ea_2020$FCSPrMeatO), 0)
#Not problem
##### Burkina_ea_2021
Burkina_ea_2021$FCSPrMeatO <- replace(Burkina_ea_2021$FCSPrMeatO, is.na(Burkina_ea_2021$FCSPrMeatO), 0)
Burkina_ea_2021$FCSPrMeatO <- as.numeric(Burkina_ea_2021$FCSPrMeatO)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPrMeatO <- replace(Burkina_ea_2022$FCSPrMeatO, is.na(Burkina_ea_2022$FCSPrMeatO), 0)
Burkina_ea_2022$FCSPrMeatO <- as.numeric(Burkina_ea_2022$FCSPrMeatO)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPrMeatO <- replace(Burkina_pdm_2021$FCSPrMeatO, is.na(Burkina_pdm_2021$FCSPrMeatO), 0)
Burkina_pdm_2021$FCSPrMeatO <- as.numeric(Burkina_pdm_2021$FCSPrMeatO)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSPrFish = recode(FCSPrFish,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
"-3" = 3,
.default = 0))
Burkina_baseline_2018$FCSPrFish <- replace(Burkina_baseline_2018$FCSPrFish, is.na(Burkina_baseline_2018$FCSPrFish), 0)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPrFish,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPrFish"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"Pas mangé"=0)
Burkina_ea_2019$FCSPrFish <- replace(Burkina_ea_2019$FCSPrFish, is.na(Burkina_ea_2019$FCSPrFish), 0)
Burkina_ea_2019$FCSPrFish <- as.numeric(Burkina_ea_2019$FCSPrFish)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPrFish,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSPrFish <- replace(Burkina_ea_2020$FCSPrFish, is.na(Burkina_ea_2020$FCSPrFish), 0)
#Not problem
##### Burkina_ea_2021
Burkina_ea_2021$FCSPrFish <- replace(Burkina_ea_2021$FCSPrFish, is.na(Burkina_ea_2021$FCSPrFish), 0)
Burkina_ea_2021$FCSPrFish <- as.numeric(Burkina_ea_2021$FCSPrFish)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrFish,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPrFish <- replace(Burkina_ea_2022$FCSPrFish, is.na(Burkina_ea_2022$FCSPrFish), 0)
Burkina_ea_2022$FCSPrFish <- as.numeric(Burkina_ea_2022$FCSPrFish)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrFish,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPrFish <- replace(Burkina_pdm_2021$FCSPrFish, is.na(Burkina_pdm_2021$FCSPrFish), 0)
Burkina_pdm_2021$FCSPrFish <- as.numeric(Burkina_pdm_2021$FCSPrFish)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPrFish,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018$FCSPrEgg <- replace(Burkina_baseline_2018$FCSPrEgg, is.na(Burkina_baseline_2018$FCSPrEgg), 0)
Burkina_baseline_2018$FCSPrEgg <- as.numeric(Burkina_baseline_2018$FCSPrEgg)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSPrEgg"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"Pas mangé"=0)
Burkina_ea_2019$FCSPrEgg <- as.numeric(Burkina_ea_2019$FCSPrEgg)
#Plot
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

##### Burkina_ea_2020
#Not problem
##### Burkina_ea_2021
Burkina_ea_2021$FCSPrEgg <- replace(Burkina_ea_2021$FCSPrEgg, is.na(Burkina_ea_2021$FCSPrEgg), 0)
Burkina_ea_2021$FCSPrEgg <- as.numeric(Burkina_ea_2021$FCSPrEgg)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSPrEgg <- replace(Burkina_ea_2022$FCSPrEgg, is.na(Burkina_ea_2022$FCSPrEgg), 0)
Burkina_ea_2022$FCSPrEgg <- as.numeric(Burkina_ea_2022$FCSPrEgg)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSPrEgg <- as.numeric(Burkina_pdm_2021$FCSPrEgg)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSVeg = recode(FCSVeg,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSVeg <- replace(Burkina_baseline_2018$FCSVeg, is.na(Burkina_baseline_2018$FCSVeg), 0)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSVeg,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019$FCSVeg <- replace(Burkina_ea_2019$FCSVeg, is.na(Burkina_ea_2019$FCSVeg), 0)
Burkina_ea_2019$FCSVeg <- as.numeric(Burkina_ea_2019$FCSVeg)
##### Burkina_ea_2020
Burkina_ea_2020$FCSVeg <- replace(Burkina_ea_2020$FCSVeg, is.na(Burkina_ea_2020$FCSVeg), 0)
#Not problem
##### Burkina_ea_2021
Burkina_ea_2021$FCSVeg <- replace(Burkina_ea_2021$FCSVeg, is.na(Burkina_ea_2021$FCSVeg), 0)
Burkina_ea_2021$FCSVeg <- as.numeric(Burkina_ea_2021$FCSVeg)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSVeg,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSVeg <- replace(Burkina_ea_2022$FCSVeg, is.na(Burkina_ea_2022$FCSVeg), 0)
Burkina_ea_2022$FCSVeg <- as.numeric(Burkina_ea_2022$FCSVeg)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSVeg,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSVeg <- replace(Burkina_pdm_2021$FCSVeg, is.na(Burkina_pdm_2021$FCSVeg), 0)
Burkina_pdm_2021$FCSVeg <- as.numeric(Burkina_pdm_2021$FCSVeg)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSVeg,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSVegSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=6,"7"=8,"8"=9, "9" = 10, "88"=NA_real_)
Burkina_baseline_2018$FCSVegSRf <- labelled::labelled(Burkina_baseline_2018$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSVegSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#expss::val_lab(Burkina_pdm_2019$FCSVegSRf)
#Burkina_pdm_2019 %>%
#sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#variable non disponible
expss::val_lab(Burkina_ea_2019$FCSVegSRf)
## NULL
Burkina_ea_2019$FCSVegSRf <- as.factor(Burkina_ea_2019$FCSVegSRf)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSVegSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4, "9" = 2,"10"=8,"11"=8)
Burkina_ea_2020$FCSVegSRf <- labelled::labelled(Burkina_ea_2020$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2020$FCSVegSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSVegSRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"100"=1,"300"=3,"400"=4,"500"=5,"600"=6,"800"=8,"900"=9,"1000"=10)
Burkina_ea_2021$FCSVegSRf <- labelled::labelled(Burkina_ea_2021$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSVegSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#A revoir Burkina_pdm_2021
expss::val_lab(Burkina_pdm_2021$FCSVegSRf)
## NULL
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=8, "7"=9, "8"=4, "9"=2, "10"=8, .default=NA_real_)
Burkina_pdm_2021$FCSVegSRf <- labelled::labelled(Burkina_pdm_2021$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_pdm_2021$FCSVegSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSVegSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"100"=1,"300"=3,"500"=5,"600"=6,"800"=8,"900"=9)
Burkina_ea_2022$FCSVegSRf <- labelled::labelled(Burkina_ea_2022$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSVegSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSVegOrg = recode(FCSVegOrg,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"5" = 5))
Burkina_baseline_2018$FCSVegOrg <- replace(Burkina_baseline_2018$FCSVegOrg, is.na(Burkina_baseline_2018$FCSVegOrg), 0)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSVegOrg"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"Pas mangé"=0)
Burkina_ea_2019$FCSVegOrg <- replace(Burkina_ea_2019$FCSVegOrg, is.na(Burkina_ea_2019$FCSVegOrg), 0)
Burkina_ea_2019$FCSVegOrg <- as.numeric(Burkina_ea_2019$FCSVegOrg)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSVegOrg <- replace(Burkina_ea_2020$FCSVegOrg, is.na(Burkina_ea_2020$FCSVegOrg), 0)
Burkina_ea_2020$FCSVegOrg <- as.numeric(Burkina_ea_2020$FCSVegOrg)
##### Burkina_ea_2021
Burkina_ea_2021$FCSVegOrg <- replace(Burkina_ea_2021$FCSVegOrg, is.na(Burkina_ea_2021$FCSVegOrg), 0)
Burkina_ea_2021$FCSVegOrg <- as.numeric(Burkina_ea_2021$FCSVegOrg)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSVegOrg <- replace(Burkina_ea_2022$FCSVegOrg, is.na(Burkina_ea_2022$FCSVegOrg), 0)
Burkina_ea_2022$FCSVegOrg <- as.numeric(Burkina_ea_2022$FCSVegOrg)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSVegOrg <- replace(Burkina_pdm_2021$FCSVegOrg, is.na(Burkina_pdm_2021$FCSVegOrg), 0)
Burkina_pdm_2021$FCSVegOrg <- as.numeric(Burkina_pdm_2021$FCSVegOrg)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSVegGre = recode(FCSVegGre,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSVegGre <- replace(Burkina_baseline_2018$FCSVegGre, is.na(Burkina_baseline_2018$FCSVegGre), 0)
Burkina_baseline_2018$FCSVegGre <- as.numeric(Burkina_baseline_2018$FCSVegGre)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSVegGre,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019$FCSVegGre <- replace(Burkina_ea_2019$FCSVegGre, is.na(Burkina_ea_2019$FCSVegGre), 0)
Burkina_ea_2019$FCSVegGre <- as.numeric(Burkina_ea_2019$FCSVegGre)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSVegGre,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSVegGre <- replace(Burkina_ea_2020$FCSVegGre, is.na(Burkina_ea_2020$FCSVegGre), 0)
Burkina_ea_2020$FCSVegGre <- as.numeric(Burkina_ea_2020$FCSVegGre)
##### Burkina_ea_2021
Burkina_ea_2021$FCSVegGre <- replace(Burkina_ea_2021$FCSVegGre, is.na(Burkina_ea_2021$FCSVegGre), 0)
Burkina_ea_2021$FCSVegGre <- as.numeric(Burkina_ea_2021$FCSVegGre)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSVegGre,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSVegGre <- replace(Burkina_ea_2022$FCSVegGre, is.na(Burkina_ea_2022$FCSVegGre), 0)
Burkina_ea_2022$FCSVegGre <- as.numeric(Burkina_ea_2022$FCSVegGre)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSVegGre,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSVegGre <- replace(Burkina_pdm_2021$FCSVegGre, is.na(Burkina_pdm_2021$FCSVegGre), 0)
Burkina_pdm_2021$FCSVegGre <- as.numeric(Burkina_pdm_2021$FCSVegGre)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSVegGre,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSFruit = recode(FCSFruit,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSFruit <- replace(Burkina_baseline_2018$FCSFruit, is.na(Burkina_baseline_2018$FCSFruit), 0)
Burkina_baseline_2018$FCSFruit <- as.numeric(Burkina_baseline_2018$FCSFruit)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFruit,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019$FCSFruit <- replace(Burkina_ea_2019$FCSFruit, is.na(Burkina_ea_2019$FCSFruit), 0)
Burkina_ea_2019$FCSFruit <- as.numeric(Burkina_ea_2019$FCSFruit)
##### Burkina_ea_2020
Burkina_ea_2020$FCSFruit <- replace(Burkina_ea_2020$FCSFruit, is.na(Burkina_ea_2020$FCSFruit), 0)
Burkina_ea_2020$FCSFruit <- as.numeric(Burkina_ea_2020$FCSFruit)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSFruit,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSFruit <- replace(Burkina_ea_2021$FCSFruit, is.na(Burkina_ea_2021$FCSFruit), 0)
Burkina_ea_2021$FCSFruit <- as.numeric(Burkina_ea_2021$FCSFruit)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSFruit,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSFruit <- replace(Burkina_ea_2022$FCSFruit, is.na(Burkina_ea_2022$FCSFruit), 0)
Burkina_ea_2022$FCSFruit <- as.numeric(Burkina_ea_2022$FCSFruit)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSFruit,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSFruit <- replace(Burkina_pdm_2021$FCSFruit, is.na(Burkina_pdm_2021$FCSFruit), 0)
Burkina_pdm_2021$FCSFruit <- as.numeric(Burkina_pdm_2021$FCSFruit)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSFruit,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSFruitSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8, "8"=9, "9"=10, "88"=NA_real_)
Burkina_baseline_2018$FCSFruitSRf <- labelled::labelled(Burkina_baseline_2018$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSFruitSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#####Burkina_pdm_2019
#No observations for the variables
expss::val_lab(Burkina_ea_2019$FCSFruitSRf)
## NULL
Burkina_ea_2019$FCSFruitSRf <- as.factor(Burkina_ea_2019$FCSFruitSRf)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#view(table(Burkina_ea_2019$FCSFruitSRf))
expss::val_lab(Burkina_ea_2020$FCSFruitSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020%>%
dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4,"9"=2,"10"=8,"11"=8)
Burkina_ea_2020$FCSFruitSRf <- labelled::labelled(Burkina_ea_2020$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_ea_2020$FCSFruitSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSFruitSRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"100"=1,"300"=3,"500"=5,"600"=6,"800"=8, "1000"=10)
Burkina_ea_2021$FCSFruitSRf <- labelled::labelled(Burkina_ea_2021$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSFruitSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
expss::val_lab(Burkina_pdm_2021$FCSFruitSRf)
## NULL
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"3"=1,"4"=5,"7"=9,"9"=2, .default = NA_real_)
Burkina_pdm_2021$FCSFruitSRf <- labelled::labelled(Burkina_pdm_2021$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSFruitSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"100"=1,"200"=2,"300"=3,"500"=5,"600"=6,"900"=9)
Burkina_ea_2022$FCSFruitSRf <- labelled::labelled(Burkina_ea_2022$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSFruitSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSFat = recode(FCSFat,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSFat <- replace(Burkina_baseline_2018$FCSFat, is.na(Burkina_baseline_2018$FCSFat), 0)
Burkina_baseline_2018$FCSFat <- as.numeric(Burkina_baseline_2018$FCSFat)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFat,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019$FCSFat <- replace(Burkina_ea_2019$FCSFat, is.na(Burkina_ea_2019$FCSFat), 0)
Burkina_ea_2019$FCSFat <- as.numeric(Burkina_ea_2019$FCSFat)
##### Burkina_ea_2020
Burkina_ea_2020$FCSFat <- replace(Burkina_ea_2020$FCSFat, is.na(Burkina_ea_2020$FCSFat), 0)
Burkina_ea_2020$FCSFat <- as.numeric(Burkina_ea_2020$FCSFat)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSFat,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSFat <- replace(Burkina_ea_2021$FCSFat, is.na(Burkina_ea_2021$FCSFat), 0)
Burkina_ea_2021$FCSFat <- as.numeric(Burkina_ea_2021$FCSFat)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSFat,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSFat <- replace(Burkina_ea_2022$FCSFat, is.na(Burkina_ea_2022$FCSFat), 0)
Burkina_ea_2022$FCSFat <- as.numeric(Burkina_ea_2022$FCSFat)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSFat,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSFat <- replace(Burkina_pdm_2021$FCSFat, is.na(Burkina_pdm_2021$FCSFat), 0)
Burkina_pdm_2021$FCSFat <- as.numeric(Burkina_pdm_2021$FCSFat)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSFat,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSFatSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8, "8"=9, "9"=10, "88"=NA_real_)
Burkina_baseline_2018$FCSFatSRf <- labelled::labelled(Burkina_baseline_2018$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
#####Burkina_pdm_2019
#No observations for the variables
expss::val_lab(Burkina_ea_2019$FCSFatSRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019$FCSFatSRf <- as.factor(Burkina_ea_2019$FCSFatSRf)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2, "5"=2,"6"=4,"7"=7,"8"=9,"9"=10, "88"=NA_real_)
Burkina_ea_2019$FCSFatSRf <- labelled::labelled(Burkina_ea_2019$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSFatSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020%>%
dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4,"9"=2,"10"=8,"11"=8)
Burkina_ea_2020$FCSFatSRf <- labelled::labelled(Burkina_ea_2020$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_ea_2020$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSFatSRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"100"=1,"300"=3,"400"=4, "500"=5,"600"=6,"900"=9, "1000"=10)
Burkina_ea_2021$FCSFatSRf <- labelled::labelled(Burkina_ea_2021$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
###PROBLEME
expss::val_lab(Burkina_pdm_2021$FCSFatSRf)
## NULL
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"4"=5,"5"=10,"7" = 9, .default=NA_real_)
Burkina_pdm_2021$FCSFatSRf <- labelled::labelled(Burkina_pdm_2021$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_pdm_2021$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSFatSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"100"=1,"300"=3,"400" = 4, "500"=5,"600"=6,"800"=8, "900"=9, "1000"=10)
Burkina_ea_2022$FCSFatSRf <- labelled::labelled(Burkina_ea_2022$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSFatSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
# Burkina_pdm_2019%>%
# sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSSugar = recode(FCSSugar,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSSugar <- replace(Burkina_baseline_2018$FCSSugar, is.na(Burkina_baseline_2018$FCSSugar), 0)
Burkina_baseline_2018$FCSSugar <- as.numeric(Burkina_baseline_2018$FCSSugar)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSSugar,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019$FCSSugar <- replace(Burkina_ea_2019$FCSSugar, is.na(Burkina_ea_2019$FCSSugar), 0)
Burkina_ea_2019$FCSSugar <- as.numeric(Burkina_ea_2019$FCSSugar)
##### Burkina_ea_2020
Burkina_ea_2020$FCSSugar <- replace(Burkina_ea_2020$FCSSugar, is.na(Burkina_ea_2020$FCSSugar), 0)
Burkina_ea_2020$FCSSugar <- as.numeric(Burkina_ea_2020$FCSSugar)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSSugar,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSSugar <- replace(Burkina_ea_2021$FCSSugar, is.na(Burkina_ea_2021$FCSSugar), 0)
Burkina_ea_2021$FCSSugar <- as.numeric(Burkina_ea_2021$FCSSugar)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSSugar,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSSugar <- replace(Burkina_ea_2022$FCSSugar, is.na(Burkina_ea_2022$FCSSugar), 0)
Burkina_ea_2022$FCSSugar <- as.numeric(Burkina_ea_2022$FCSSugar)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSSugar,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSSugar <- replace(Burkina_pdm_2021$FCSSugar, is.na(Burkina_pdm_2021$FCSSugar), 0)
Burkina_pdm_2021$FCSSugar <- as.numeric(Burkina_pdm_2021$FCSSugar)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSSugar,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSSugarSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8, "8"=9, "9"=10, "88"=NA_real_)
Burkina_baseline_2018$FCSSugarSRf <- labelled::labelled(Burkina_baseline_2018$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
#####Burkina_pdm_2019
#No observations for the variables
expss::val_lab(Burkina_ea_2019$FCSSugarSRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019$FCSSugarSRf <-as.factor(Burkina_ea_2019$FCSSugarSRf)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2, "5"=2,"6"=4,"7"=7,"8"=9,"9"=10, "88"=NA_real_)
Burkina_ea_2019$FCSSugarSRf <- labelled::labelled(Burkina_ea_2019$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSSugarSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020%>%
dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4,"9"=2,"10"=8,"11"=8)
Burkina_ea_2020$FCSSugarSRf <- labelled::labelled(Burkina_ea_2020$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_ea_2020$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSSugarSRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"100"=1,"300"=3,"400"=4, "500"=5,"600"=6,"900"=9)
Burkina_ea_2021$FCSSugarSRf <- labelled::labelled(Burkina_ea_2021$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
expss::val_lab(Burkina_pdm_2021$FCSSugarSRf)
## NULL
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"4"=5, .default=NA_real_)
Burkina_pdm_2021$FCSSugarSRf <- labelled::labelled(Burkina_pdm_2021$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_pdm_2021$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"100"=1,"300"=3,"400" = 4, "500"=5,"600"=6,"700"=7, "900"=9)
Burkina_ea_2022$FCSSugarSRf <- labelled::labelled(Burkina_ea_2022$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSSugarSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
#Burkina_pdm_2019%>%
# sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(FCSCond = recode(FCSCond,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$FCSCond <- replace(Burkina_baseline_2018$FCSCond, is.na(Burkina_baseline_2018$FCSCond), 0)
Burkina_baseline_2018$FCSCond <- as.numeric(Burkina_baseline_2018$FCSCond)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSCond"),recode,"1 jour"=1,"2 jours"=2,"3 jours"=3,"4 jours"=4,"5 jours"=5,"6 jours"=6,"7 jours"=7,"Pas mangé"=0)
Burkina_ea_2019$FCSCond <- as.numeric(Burkina_ea_2019$FCSCond)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$FCSCond <- as.numeric(Burkina_ea_2020$FCSCond)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$FCSCond <- as.numeric(Burkina_ea_2021$FCSCond)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$FCSCond <- as.numeric(Burkina_ea_2022$FCSCond)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$FCSCond <- as.numeric(Burkina_pdm_2021$FCSCond)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSCond,show.na = T)

expss::val_lab(Burkina_baseline_2018$FCSCondSRf)
## Propre production
## 1
## Achat au march? avec cash
## 2
## Achat au march? ? cr?dit
## 3
## Chasse, cueillette, p?che
## 4
## Emprunt
## 5
## Mendier pour se nourrir
## 6
## Echange
## 7
## Dons (famille, voisins, communaut??)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2,"5"=4,"6"=7,"7"=8, "8"=9, "9"=10, "88"=NA_real_)
Burkina_baseline_2018$FCSCondSRf <- labelled::labelled(Burkina_baseline_2018$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_baseline_2018$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#####Burkina_pdm_2019
#No observations for the variables
expss::val_lab(Burkina_ea_2019$FCSCondSRf)
## Propre production
## 1
## Achat au marché avec cash
## 2
## Achat au marché à crédit
## 3
## Chasse, cueillette, pêche
## 4
## Chasse/cueillette/pêche
## 5
## Emprunt
## 6
## Mendier pour se nourrir
## 7
## Dons (famille, voisins, communauté…)
## 8
## Aide alimentaire (ONGs, PAM, Gouvernement)
## 9
## Non applicable
## 88
Burkina_ea_2019$FCSCondSRf<-as.factor(Burkina_ea_2019$FCSCondSRf)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=5,"3"=6,"4"=2, "5"=2,"6"=4,"7"=7,"8"=9,"9"=10, "88"=NA_real_)
Burkina_ea_2019$FCSCondSRf <- labelled::labelled(Burkina_ea_2019$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2019$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
expss::val_lab(Burkina_ea_2020$FCSCondSRf)
## Propre production pluviale
## 1
## Propres productions Contre saison
## 2
## Propres productions animales
## 3
## Achats
## 4
## Assistance alimentaire (transferts monétaires ou des bons d'achats)
## 5
## Nourriture contre travail avec un projet/ONG
## 6
## Dons/Zakat
## 7
## Emprunt, (crédit de la boutique)
## 8
## Chasse/cueillette/pêche
## 9
## Travail contre nourriture dans le cadre de la main d'œuvre ordinaire
## 10
## Echange/troc
## 11
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_ea_2020 <-
Burkina_ea_2020%>%
dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=6,"6"=8,"7"=9,"8"=4,"9"=2,"10"=8,"11"=8)
Burkina_ea_2020$FCSCondSRf <- labelled::labelled(Burkina_ea_2020$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Burkina_ea_2020$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
expss::val_lab(Burkina_ea_2021$FCSCondSRf)
## NULL
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"100"=1,"400"=4, "500"=5,"600"=6,"800"=8, "900"=9, "1000"=10)
Burkina_ea_2021$FCSCondSRf <- labelled::labelled(Burkina_ea_2021$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2021$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
# expss::val_lab(Burkina_pdm_2021$FCSCondSRf)
#Burkina_pdm_2021 %>%
#sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2" = 2, "4"=5,"9"=2, .default=NA_real_)
Burkina_pdm_2021$FCSCondSRf <- labelled::labelled(Burkina_pdm_2021$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_pdm_2021$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
expss::val_lab(Burkina_ea_2022$FCSCondSRf)
## Production propre (récoltes, élevage)
## 100
## Pêche / Chasse
## 200
## Cueillette
## 300
## Prêts
## 400
## Marché (achat avec des espèces)
## 500
## Marché (achat à crédit)
## 600
## Mendicité
## 700
## Troc travail ou biens contre des aliments
## 800
## Dons (aliments) de membres de la famille ou d'amis
## 900
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
## 1000
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"100"=1,"400" = 4, "500"=5,"600"=6,"700"=7, "900"=9)
Burkina_ea_2022$FCSCondSRf <- labelled::labelled(Burkina_ea_2022$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette`=3, `Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8, `Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(Burkina_ea_2022$FCSCondSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#calculate FCS
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(FCS = (2*FCSStap) + (3 * FCSPulse)+ (4*FCSPr) + FCSVeg + FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_baseline_2018$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_baseline_2018$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_baseline_2018$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#############################
#calculate FCS
# Burkina_pdm_2019 <- Burkina_pdm_2019 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSDairy)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
# var_label(Burkina_pdm_2019$FCS) <- "Score de consommation alimentaire"
# #create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
# Burkina_pdm_2019 <- Burkina_pdm_2019 %>% mutate(
# FCSCat21 = case_when(
# FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
# FCSCat28 = case_when(
# FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
# var_label(Burkina_pdm_2019$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
# var_label(Burkina_pdm_2019$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
#
# Burkina_pdm_2019 %>%
# sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
# Burkina_pdm_2019 %>%
# sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#######################################
#calculate FCS
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_ea_2019$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_ea_2019$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_ea_2019$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#############################################
#calculate FCS
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_ea_2020$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_ea_2020$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_ea_2020$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
########################################
#calculate FCS
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_ea_2021$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_ea_2021$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_ea_2021$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
###########################################
Burkina_pdm_2021$FCSPr <- as_numeric(Burkina_pdm_2021$FCSPr)
#calculate FCS
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_pdm_2021$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_pdm_2021$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_pdm_2021$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#############################################
#calculate FCS
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Burkina_ea_2022$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Burkina_ea_2022$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Burkina_ea_2022$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(rCSILessQlty = recode(rCSILessQlty,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$rCSILessQlty <- replace(Burkina_baseline_2018$rCSILessQlty, is.na(Burkina_baseline_2018$rCSILessQlty), 0)
Burkina_baseline_2018$rCSILessQlty <- as.numeric(Burkina_baseline_2018$rCSILessQlty)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(rCSILessQlty = recode(rCSILessQlty,
"5" = 5,
"7" = 7,
.default = 0))
Burkina_ea_2019$rCSILessQlty <- replace(Burkina_ea_2019$rCSILessQlty, is.na(Burkina_ea_2019$rCSILessQlty), 0)
Burkina_ea_2019$rCSILessQlty <- as.numeric(Burkina_ea_2019$rCSILessQlty)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$rCSILessQlty <- replace(Burkina_ea_2020$rCSILessQlty, is.na(Burkina_ea_2020$rCSILessQlty), 0)
Burkina_ea_2020$rCSILessQlty <- as.numeric(Burkina_ea_2020$rCSILessQlty)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021$rCSILessQlty <- replace(Burkina_ea_2021$rCSILessQlty, is.na(Burkina_ea_2021$rCSILessQlty), 0)
Burkina_ea_2021$rCSILessQlty <- as.numeric(Burkina_ea_2021$rCSILessQlty)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$rCSILessQlty <- replace(Burkina_ea_2022$rCSILessQlty, is.na(Burkina_ea_2022$rCSILessQlty), 0)
Burkina_ea_2022$rCSILessQlty <- as.numeric(Burkina_ea_2022$rCSILessQlty)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$rCSILessQlty <- replace(Burkina_pdm_2021$rCSILessQlty, is.na(Burkina_pdm_2021$rCSILessQlty), 0)
Burkina_pdm_2021$rCSILessQlty <-
as.numeric(Burkina_pdm_2021$rCSILessQlty)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(rCSIBorrow = recode(rCSIBorrow,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$rCSIBorrow <- replace(Burkina_baseline_2018$rCSIBorrow, is.na(Burkina_baseline_2018$rCSIBorrow), 0)
Burkina_baseline_2018$rCSIBorrow <- as.numeric(Burkina_baseline_2018$rCSIBorrow)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(rCSIBorrow = recode(rCSIBorrow,
"5" = 5,
"3" = 3,
"0" = 0,
.default = 0))
Burkina_ea_2019$rCSIBorrow <- replace(Burkina_ea_2019$rCSIBorrow, is.na(Burkina_ea_2019$rCSIBorrow), 0)
Burkina_ea_2019$rCSIBorrow <- as.numeric(Burkina_ea_2019$rCSIBorrow)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$rCSIBorrow <- replace(Burkina_ea_2020$rCSIBorrow, is.na(Burkina_ea_2020$rCSIBorrow), 0)
Burkina_ea_2020$rCSIBorrow <- as.numeric(Burkina_ea_2020$rCSIBorrow)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(rCSIBorrow = recode(rCSIBorrow,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_ea_2021$rCSIBorrow <- replace(Burkina_ea_2021$rCSIBorrow, is.na(Burkina_ea_2021$rCSIBorrow), 0)
Burkina_ea_2021$rCSIBorrow <- as.numeric(Burkina_ea_2021$rCSIBorrow)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$rCSIBorrow <- replace(Burkina_ea_2022$rCSIBorrow, is.na(Burkina_ea_2022$rCSIBorrow), 0)
Burkina_ea_2022$rCSIBorrow <- as.numeric(Burkina_ea_2022$rCSIBorrow)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$rCSIBorrow <- replace(Burkina_pdm_2021$rCSIBorrow, is.na(Burkina_pdm_2021$rCSIBorrow), 0)
Burkina_pdm_2021$rCSIBorrow <- as.numeric(Burkina_pdm_2021$rCSIBorrow)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(rCSIMealSize = recode(rCSIMealSize,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$rCSIMealSize <- replace(Burkina_baseline_2018$rCSIMealSize, is.na(Burkina_baseline_2018$rCSIMealSize), 0)
Burkina_baseline_2018$rCSIMealSize <- as.numeric(Burkina_baseline_2018$rCSIMealSize)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(rCSIMealSize = recode(rCSIMealSize,
"7" = 7,
"0" = 0,
.default = 0))
Burkina_ea_2019$rCSIMealSize <- replace(Burkina_ea_2019$rCSIMealSize, is.na(Burkina_ea_2019$rCSIMealSize), 0)
Burkina_ea_2019$rCSIMealSize <- as.numeric(Burkina_ea_2019$rCSIMealSize)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$rCSIMealSize <- replace(Burkina_ea_2020$rCSIMealSize, is.na(Burkina_ea_2020$rCSIMealSize), 0)
Burkina_ea_2020$rCSIMealSize <- as.numeric(Burkina_ea_2020$rCSIMealSize)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(rCSIMealSize = recode(rCSIMealSize,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_ea_2021$rCSIMealSize <- replace(Burkina_ea_2021$rCSIMealSize, is.na(Burkina_ea_2021$rCSIMealSize), 0)
Burkina_ea_2021$rCSIMealSize <- as.numeric(Burkina_ea_2021$rCSIMealSize)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$rCSIMealSize <- replace(Burkina_ea_2022$rCSIMealSize, is.na(Burkina_ea_2022$rCSIMealSize), 0)
Burkina_ea_2022$rCSIMealSize <- as.numeric(Burkina_ea_2022$rCSIMealSize)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$rCSIMealSize <- replace(Burkina_pdm_2021$rCSIMealSize, is.na(Burkina_pdm_2021$rCSIMealSize), 0)
Burkina_pdm_2021$rCSIMealSize <- as.numeric(Burkina_pdm_2021$rCSIMealSize)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(rCSIMealAdult = recode(rCSIMealAdult,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$rCSIMealAdult <- replace(Burkina_baseline_2018$rCSIMealAdult, is.na(Burkina_baseline_2018$rCSIMealAdult), 0)
Burkina_baseline_2018$rCSIMealAdult <- as.numeric(Burkina_baseline_2018$rCSIMealAdult)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(rCSIMealAdult = recode(rCSIMealAdult,
"7" = 7,
"0" = 0,
.default = 0))
Burkina_ea_2019$rCSIMealAdult <- replace(Burkina_ea_2019$rCSIMealAdult, is.na(Burkina_ea_2019$rCSIMealAdult), 0)
Burkina_ea_2019$rCSIMealAdult <- as.numeric(Burkina_ea_2019$rCSIMealAdult)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$rCSIMealAdult <- replace(Burkina_ea_2020$rCSIMealAdult, is.na(Burkina_ea_2020$rCSIMealAdult), 0)
Burkina_ea_2020$rCSIMealAdult <- as.numeric(Burkina_ea_2020$rCSIMealAdult)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(rCSIMealAdult = recode(rCSIMealAdult,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_ea_2021$rCSIMealAdult <- replace(Burkina_ea_2021$rCSIMealAdult, is.na(Burkina_ea_2021$rCSIMealAdult), 0)
Burkina_ea_2021$rCSIMealAdult <- as.numeric(Burkina_ea_2021$rCSIMealAdult)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$rCSIMealAdult <- replace(Burkina_ea_2022$rCSIMealAdult, is.na(Burkina_ea_2022$rCSIMealAdult), 0)
Burkina_ea_2022$rCSIMealAdult <- as.numeric(Burkina_ea_2022$rCSIMealAdult)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$rCSIMealAdult <- replace(Burkina_pdm_2021$rCSIMealAdult, is.na(Burkina_pdm_2021$rCSIMealAdult), 0)
Burkina_pdm_2021$rCSIMealAdult <- as.numeric(Burkina_pdm_2021$rCSIMealAdult)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
#Burkina_pdm_2019%>%
#sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Burkina_ea_2019%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Burkina_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Burkina_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Burkina_pdm_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Burkina_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
##### Burkina_baseline_2018
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(rCSIMealNb = recode(rCSIMealNb,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_baseline_2018$rCSIMealNb <- replace(Burkina_baseline_2018$rCSIMealNb, is.na(Burkina_baseline_2018$rCSIMealNb), 0)
Burkina_baseline_2018$rCSIMealNb <- as.numeric(Burkina_baseline_2018$rCSIMealNb)
#Plot
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

##### Burkina_ea_2019
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(rCSIMealNb = recode(rCSIMealNb,
"5" = 5,
"0" = 0,
.default = 0))
Burkina_ea_2019$rCSIMealNb <- replace(Burkina_ea_2019$rCSIMealNb, is.na(Burkina_ea_2019$rCSIMealNb), 0)
Burkina_ea_2019$rCSIMealNb <- as.numeric(Burkina_ea_2019$rCSIMealNb)
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

##### Burkina_ea_2020
Burkina_ea_2020$rCSIMealNb <- replace(Burkina_ea_2020$rCSIMealNb, is.na(Burkina_ea_2020$rCSIMealNb), 0)
Burkina_ea_2020$rCSIMealNb <- as.numeric(Burkina_ea_2020$rCSIMealNb)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

##### Burkina_ea_2021
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(rCSIMealNb = recode(rCSIMealNb,
"0" = 0,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5,
"6" = 6,
"7" = 7,
.default = 0))
Burkina_ea_2021$rCSIMealNb <- replace(Burkina_ea_2021$rCSIMealNb, is.na(Burkina_ea_2021$rCSIMealNb), 0)
Burkina_ea_2021$rCSIMealNb <- as.numeric(Burkina_ea_2021$rCSIMealNb)
#Plot
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

##### Burkina_ea_2022
Burkina_ea_2022$rCSIMealNb <- replace(Burkina_ea_2022$rCSIMealNb, is.na(Burkina_ea_2022$rCSIMealNb), 0)
Burkina_ea_2022$rCSIMealNb <- as.numeric(Burkina_ea_2022$rCSIMealNb)
#Plot
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

##### Burkina_pdm_2021
Burkina_pdm_2021$rCSIMealNb <- replace(Burkina_pdm_2021$rCSIMealNb, is.na(Burkina_pdm_2021$rCSIMealNb), 0)
Burkina_pdm_2021$rCSIMealNb <- as.numeric(Burkina_pdm_2021$rCSIMealNb)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

#calculate rCSI Score
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_baseline_2018$rCSI) <- "rCSI"
#calculate rCSI Score
# Burkina_pdm_2019 <- Burkina_pdm_2019 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
# var_label(Burkina_pdm_2019$rCSI) <- "rCSI"
#calculate rCSI Score
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_ea_2019$rCSI) <- "rCSI"
#calculate rCSI Score
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_ea_2020$rCSI) <- "rCSI"
#calculate rCSI Score
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_ea_2021$rCSI) <- "rCSI"
#calculate rCSI Score
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_pdm_2021$rCSI) <- "rCSI"
#calculate rCSI Score
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Burkina_ea_2022$rCSI) <- "rCSI"
Households are divided in four classes according to the rCSI score: 0-3, 4-18, and 19 and above which correspond to IPC Phases 1, 2 and 3 and above respectively.
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_baseline_2018$rcsi_class) <- "Phases de l'IPC"
Burkina_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
# Burkina_pdm_2019 <- Burkina_pdm_2019 %>% mutate(
# rcsi_class = case_when(
# rCSI <= 19 ~ 3, between(rCSI, 0, 3) ~ 1, between(rCSI, 4, 18) ~ 2, rCSI > 19 ~ "above"))
# var_label(Burkina_pdm_2019$rcsi_class) <- "Phases de l'IPC"
# Burkina_pdm_2019 %>%
# sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_ea_2019$rcsi_class) <- "Phases de l'IPC"
Burkina_ea_2019 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_ea_2020$rcsi_class) <- "Phases de l'IPC"
Burkina_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_ea_2021$rcsi_class) <- "Phases de l'IPC"
Burkina_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_pdm_2021$rcsi_class) <- "Phases de l'IPC"
Burkina_pdm_2021 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(
rcsi_class = case_when(
rCSI >= 19 ~ "Phase 3",
between(rCSI, 0, 3) ~ "Phase 1",
between(rCSI, 4, 18) ~ "Phase 2"))
var_label(Burkina_ea_2022$rcsi_class) <- "Phases de l'IPC"
Burkina_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,rcsi_class,show.na = T)
# 1 = Non, je n'ai pas été confronté à une insuffisance de nourriture
# 2 = Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
# 3 = Oui
# 4 = Non applicable
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIStress1)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
Burkina_baseline_2018$LhCSIStress1 <- as.character(Burkina_baseline_2018$LhCSIStress1)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSIStress1 = dplyr::case_when(
LhCSIStress1 == "0" ~ NA,
.default = as.factor(LhCSIStress1)
) %>% structure(label = label(LhCSIStress1)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIStress1 = case_when(
LhCSIStress1 == "1" ~ 1,
LhCSIStress1 == "2" ~ 2,
is.na(LhCSIStress1) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIStress1 <- labelled::labelled(Burkina_baseline_2018$LhCSIStress1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIStress1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIStress1)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
Burkina_ea_2019$LhCSIStress1 <- as.character(Burkina_ea_2019$LhCSIStress1)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSIStress1 = dplyr::case_when(
LhCSIStress1 == "0" ~ NA,
.default = as.factor(LhCSIStress1)
) %>% structure(label = label(LhCSIStress1)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIStress1 = case_when(
LhCSIStress1 == "1" ~ 1,
LhCSIStress1 == "2" ~ 2,
is.na(LhCSIStress1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIStress1 <- labelled::labelled(Burkina_ea_2019$LhCSIStress1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIStress1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIStress1)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
Burkina_ea_2020$LhCSIStress1 <- as.character(Burkina_ea_2020$LhCSIStress1)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSIStress1 = dplyr::case_when(
LhCSIStress1 == "0" ~ NA,
.default = as.factor(LhCSIStress1)
) %>% structure(label = label(LhCSIStress1)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIStress1 = case_when(
LhCSIStress1 == "1" ~ 1,
LhCSIStress1 == "2" ~ 2,
LhCSIStress1 == "3" ~ 4,
is.na(LhCSIStress1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIStress1 <- labelled::labelled(Burkina_ea_2020$LhCSIStress1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIStress1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress1)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIStress1 <- labelled::labelled(Burkina_ea_2021$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIStress1 <- labelled::labelled(Burkina_ea_2022$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIStress1)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
Burkina_pdm_2021$LhCSIStress1 <- as.character(Burkina_pdm_2021$LhCSIStress1)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIStress1 = dplyr::case_when(
LhCSIStress1 == "0" ~ NA,
.default = as.factor(LhCSIStress1)
) %>% structure(label = label(LhCSIStress1)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIStress1 = case_when(
LhCSIStress1 == "1" ~ 1,
LhCSIStress1 == "2" ~ 2,
LhCSIStress1 == "3" ~ 4,
is.na(LhCSIStress1) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIStress1 <- labelled::labelled(Burkina_pdm_2021$LhCSIStress1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIStress1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIStress2)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
Burkina_baseline_2018$LhCSIStress2 <- as.character(Burkina_baseline_2018$LhCSIStress2)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSIStress2 = dplyr::case_when(
LhCSIStress2 == "0" ~ NA,
.default = as.factor(LhCSIStress2)
) %>% structure(label = label(LhCSIStress2)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIStress2 = case_when(
LhCSIStress2 == "1" ~ 1,
LhCSIStress2 == "2" ~ 2,
is.na(LhCSIStress2) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIStress2 <- labelled::labelled(Burkina_baseline_2018$LhCSIStress2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIStress2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIStress2)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
Burkina_ea_2019$LhCSIStress2 <- as.character(Burkina_ea_2019$LhCSIStress2)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSIStress2 = dplyr::case_when(
LhCSIStress2 == "0" ~ NA,
.default = as.factor(LhCSIStress2)
) %>% structure(label = label(LhCSIStress2)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIStress2 = case_when(
LhCSIStress2 == "1" ~ 1,
LhCSIStress2 == "2" ~ 2,
is.na(LhCSIStress2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIStress2 <- labelled::labelled(Burkina_ea_2019$LhCSIStress2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIStress2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIStress2)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
Burkina_ea_2020$LhCSIStress2 <- as.character(Burkina_ea_2020$LhCSIStress2)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSIStress2 = dplyr::case_when(
LhCSIStress2 == "0" ~ NA,
.default = as.factor(LhCSIStress2)
) %>% structure(label = label(LhCSIStress2)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIStress2 = case_when(
LhCSIStress2 == "1" ~ 1,
LhCSIStress2 == "2" ~ 2,
LhCSIStress2 == "3" ~ 4,
is.na(LhCSIStress2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIStress2 <- labelled::labelled(Burkina_ea_2020$LhCSIStress2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIStress2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress2)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIStress2 <- labelled::labelled(Burkina_ea_2021$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIStress2 <- labelled::labelled(Burkina_ea_2022$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIStress2)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
Burkina_pdm_2021$LhCSIStress2 <- as.character(Burkina_pdm_2021$LhCSIStress2)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIStress2 = dplyr::case_when(
LhCSIStress2 == "0" ~ NA,
.default = as.factor(LhCSIStress2)
) %>% structure(label = label(LhCSIStress2)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIStress2 = case_when(
LhCSIStress2 == "1" ~ 1,
LhCSIStress2 == "2" ~ 2,
LhCSIStress2 == "3" ~ 4,
is.na(LhCSIStress2) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIStress2 <- labelled::labelled(Burkina_pdm_2021$LhCSIStress2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIStress2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIStress3)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
Burkina_baseline_2018$LhCSIStress3 <- as.character(Burkina_baseline_2018$LhCSIStress3)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSIStress3 = dplyr::case_when(
LhCSIStress3 == "0" ~ NA,
.default = as.factor(LhCSIStress3)
) %>% structure(label = label(LhCSIStress3)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIStress3 = case_when(
LhCSIStress3 == "1" ~ 1,
LhCSIStress3 == "2" ~ 2,
is.na(LhCSIStress3) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIStress3 <- labelled::labelled(Burkina_baseline_2018$LhCSIStress3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIStress3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIStress3)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
Burkina_ea_2019$LhCSIStress3 <- as.character(Burkina_ea_2019$LhCSIStress3)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSIStress3 = dplyr::case_when(
LhCSIStress3 == "0" ~ NA,
.default = as.factor(LhCSIStress3)
) %>% structure(label = label(LhCSIStress3)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIStress3 = case_when(
LhCSIStress3 == "1" ~ 1,
LhCSIStress3 == "2" ~ 2,
is.na(LhCSIStress3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIStress3 <- labelled::labelled(Burkina_ea_2019$LhCSIStress3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIStress3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIStress3)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
Burkina_ea_2020$LhCSIStress3 <- as.character(Burkina_ea_2020$LhCSIStress3)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSIStress3 = dplyr::case_when(
LhCSIStress3 == "0" ~ NA,
.default = as.factor(LhCSIStress3)
) %>% structure(label = label(LhCSIStress3)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIStress3 = case_when(
LhCSIStress3 == "1" ~ 1,
LhCSIStress3 == "2" ~ 2,
LhCSIStress3 == "3" ~ 4,
is.na(LhCSIStress3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIStress3 <- labelled::labelled(Burkina_ea_2020$LhCSIStress3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIStress3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress3)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIStress3 <- labelled::labelled(Burkina_ea_2021$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIStress3 <- labelled::labelled(Burkina_ea_2022$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIStress3)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
Burkina_pdm_2021$LhCSIStress3 <- as.character(Burkina_pdm_2021$LhCSIStress3)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIStress3 = dplyr::case_when(
LhCSIStress3 == "0" ~ NA,
.default = as.factor(LhCSIStress3)
) %>% structure(label = label(LhCSIStress3)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIStress3 = case_when(
LhCSIStress3 == "1" ~ 1,
LhCSIStress3 == "2" ~ 2,
LhCSIStress3 == "3" ~ 4,
is.na(LhCSIStress3) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIStress3 <- labelled::labelled(Burkina_pdm_2021$LhCSIStress3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIStress3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIStress4)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
Burkina_baseline_2018$LhCSIStress4 <- as.character(Burkina_baseline_2018$LhCSIStress4)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSIStress4 = dplyr::case_when(
LhCSIStress4 == "0" ~ NA,
.default = as.factor(LhCSIStress4)
) %>% structure(label = label(LhCSIStress4)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIStress4 = case_when(
LhCSIStress4 == "1" ~ 1,
LhCSIStress4 == "2" ~ 2,
is.na(LhCSIStress4) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIStress4 <- labelled::labelled(Burkina_baseline_2018$LhCSIStress4, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIStress4)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIStress4)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
Burkina_ea_2019$LhCSIStress4 <- as.character(Burkina_ea_2019$LhCSIStress4)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSIStress4 = dplyr::case_when(
LhCSIStress4 == "0" ~ NA,
.default = as.factor(LhCSIStress4)
) %>% structure(label = label(LhCSIStress4)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIStress4 = case_when(
LhCSIStress4 == "1" ~ 1,
LhCSIStress4 == "2" ~ 2,
is.na(LhCSIStress4) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIStress4 <- labelled::labelled(Burkina_ea_2019$LhCSIStress4, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIStress4)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIStress4)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
Burkina_ea_2020$LhCSIStress4 <- as.character(Burkina_ea_2020$LhCSIStress4)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSIStress4 = dplyr::case_when(
LhCSIStress4 == "0" ~ NA,
.default = as.factor(LhCSIStress4)
) %>% structure(label = label(LhCSIStress4)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIStress4 = case_when(
LhCSIStress4 == "1" ~ 1,
LhCSIStress4 == "2" ~ 2,
LhCSIStress4 == "3" ~ 4,
is.na(LhCSIStress4) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIStress4 <- labelled::labelled(Burkina_ea_2020$LhCSIStress4, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIStress4)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress4)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIStress4 = dplyr::recode(LhCSIStress4,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIStress4 <- labelled::labelled(Burkina_ea_2021$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIStress4)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress4)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress4)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIStress4 = dplyr::recode(LhCSIStress4,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIStress4 <- labelled::labelled(Burkina_ea_2022$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIStress4)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress4)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIStress4)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
Burkina_pdm_2021$LhCSIStress4 <- as.character(Burkina_pdm_2021$LhCSIStress4)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIStress4 = dplyr::case_when(
LhCSIStress4 == "0" ~ NA,
.default = as.factor(LhCSIStress4)
) %>% structure(label = label(LhCSIStress4)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIStress4 = case_when(
LhCSIStress4 == "1" ~ 1,
LhCSIStress4 == "2" ~ 2,
LhCSIStress4 == "3" ~ 4,
is.na(LhCSIStress4) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIStress4 <- labelled::labelled(Burkina_pdm_2021$LhCSIStress4, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIStress4)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSICrisis1)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
Burkina_baseline_2018$LhCSICrisis1 <- as.character(Burkina_baseline_2018$LhCSICrisis1)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSICrisis1 = dplyr::case_when(
LhCSICrisis1 == "0" ~ NA,
.default = as.factor(LhCSICrisis1)
) %>% structure(label = label(LhCSICrisis1)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSICrisis1 = case_when(
LhCSICrisis1 == "1" ~ 1,
LhCSICrisis1 == "2" ~ 2,
is.na(LhCSICrisis1) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSICrisis1 <- labelled::labelled(Burkina_baseline_2018$LhCSICrisis1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSICrisis1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSICrisis1)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
Burkina_ea_2019$LhCSICrisis1 <- as.character(Burkina_ea_2019$LhCSICrisis1)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSICrisis1 = dplyr::case_when(
LhCSICrisis1 == "0" ~ NA,
.default = as.factor(LhCSICrisis1)
) %>% structure(label = label(LhCSICrisis1)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSICrisis1 = case_when(
LhCSICrisis1 == "1" ~ 1,
LhCSICrisis1 == "2" ~ 2,
is.na(LhCSICrisis1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSICrisis1 <- labelled::labelled(Burkina_ea_2019$LhCSICrisis1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSICrisis1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSICrisis1)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
Burkina_ea_2020$LhCSICrisis1 <- as.character(Burkina_ea_2020$LhCSICrisis1)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSICrisis1 = dplyr::case_when(
LhCSICrisis1 == "0" ~ NA,
.default = as.factor(LhCSICrisis1)
) %>% structure(label = label(LhCSICrisis1)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSICrisis1 = case_when(
LhCSICrisis1 == "1" ~ 1,
LhCSICrisis1 == "2" ~ 2,
LhCSICrisis1 == "3" ~ 4,
is.na(LhCSICrisis1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSICrisis1 <- labelled::labelled(Burkina_ea_2020$LhCSICrisis1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSICrisis1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis1)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSICrisis1 <- labelled::labelled(Burkina_ea_2021$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSICrisis1 <- labelled::labelled(Burkina_ea_2022$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSICrisis1)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
Burkina_pdm_2021$LhCSICrisis1 <- as.character(Burkina_pdm_2021$LhCSICrisis1)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSICrisis1 = dplyr::case_when(
LhCSICrisis1 == "0" ~ NA,
.default = as.factor(LhCSICrisis1)
) %>% structure(label = label(LhCSICrisis1)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSICrisis1 = case_when(
LhCSICrisis1 == "1" ~ 1,
LhCSICrisis1 == "2" ~ 2,
LhCSICrisis1 == "3" ~ 4,
is.na(LhCSICrisis1) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSICrisis1 <- labelled::labelled(Burkina_pdm_2021$LhCSICrisis1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSICrisis1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSICrisis2)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
Burkina_baseline_2018$LhCSICrisis2 <- as.character(Burkina_baseline_2018$LhCSICrisis2)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSICrisis2 = dplyr::case_when(
LhCSICrisis2 == "0" ~ NA,
.default = as.factor(LhCSICrisis2)
) %>% structure(label = label(LhCSICrisis2)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSICrisis2 = case_when(
LhCSICrisis2 == "1" ~ 1,
LhCSICrisis2 == "2" ~ 2,
is.na(LhCSICrisis2) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSICrisis2 <- labelled::labelled(Burkina_baseline_2018$LhCSICrisis2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSICrisis2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSICrisis2)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
Burkina_ea_2019$LhCSICrisis2 <- as.character(Burkina_ea_2019$LhCSICrisis2)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSICrisis2 = dplyr::case_when(
LhCSICrisis2 == "0" ~ NA,
.default = as.factor(LhCSICrisis2)
) %>% structure(label = label(LhCSICrisis2)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSICrisis2 = case_when(
LhCSICrisis2 == "1" ~ 1,
LhCSICrisis2 == "2" ~ 2,
is.na(LhCSICrisis2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSICrisis2 <- labelled::labelled(Burkina_ea_2019$LhCSICrisis2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSICrisis2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSICrisis2)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
Burkina_ea_2020$LhCSICrisis2 <- as.character(Burkina_ea_2020$LhCSICrisis2)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSICrisis2 = dplyr::case_when(
LhCSICrisis2 == "0" ~ NA,
.default = as.factor(LhCSICrisis2)
) %>% structure(label = label(LhCSICrisis2)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSICrisis2 = case_when(
LhCSICrisis2 == "1" ~ 1,
LhCSICrisis2 == "2" ~ 2,
LhCSICrisis2 == "3" ~ 4,
is.na(LhCSICrisis2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSICrisis2 <- labelled::labelled(Burkina_ea_2020$LhCSICrisis2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSICrisis2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis2)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSICrisis2 <- labelled::labelled(Burkina_ea_2021$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSICrisis2 <- labelled::labelled(Burkina_ea_2022$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSICrisis2)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
Burkina_pdm_2021$LhCSICrisis2 <- as.character(Burkina_pdm_2021$LhCSICrisis2)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSICrisis2 = dplyr::case_when(
LhCSICrisis2 == "0" ~ NA,
.default = as.factor(LhCSICrisis2)
) %>% structure(label = label(LhCSICrisis2)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSICrisis2 = case_when(
LhCSICrisis2 == "1" ~ 1,
LhCSICrisis2 == "2" ~ 2,
LhCSICrisis2 == "3" ~ 4,
is.na(LhCSICrisis2) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSICrisis2 <- labelled::labelled(Burkina_pdm_2021$LhCSICrisis2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSICrisis2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSICrisis3)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
Burkina_baseline_2018$LhCSICrisis3 <- as.character(Burkina_baseline_2018$LhCSICrisis3)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(
LhCSICrisis3 = dplyr::case_when(
LhCSICrisis3 == "0" ~ NA,
.default = as.factor(LhCSICrisis3)
) %>% structure(label = label(LhCSICrisis3)))
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSICrisis3 = case_when(
LhCSICrisis3 == "1" ~ 1,
LhCSICrisis3 == "2" ~ 2,
is.na(LhCSICrisis3) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSICrisis3 <- labelled::labelled(Burkina_baseline_2018$LhCSICrisis3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSICrisis3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSICrisis3)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
Burkina_ea_2019$LhCSICrisis3 <- as.character(Burkina_ea_2019$LhCSICrisis3)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(
LhCSICrisis3 = dplyr::case_when(
LhCSICrisis3 == "0" ~ NA,
.default = as.factor(LhCSICrisis3)
) %>% structure(label = label(LhCSICrisis3)))
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSICrisis3 = case_when(
LhCSICrisis3 == "1" ~ 1,
LhCSICrisis3 == "2" ~ 2,
is.na(LhCSICrisis3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSICrisis3 <- labelled::labelled(Burkina_ea_2019$LhCSICrisis3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSICrisis3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSICrisis3)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
Burkina_ea_2020$LhCSICrisis3 <- as.character(Burkina_ea_2020$LhCSICrisis3)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(
LhCSICrisis3 = dplyr::case_when(
LhCSICrisis3 == "0" ~ NA,
.default = as.factor(LhCSICrisis3)
) %>% structure(label = label(LhCSICrisis3)))
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSICrisis3 = case_when(
LhCSICrisis3 == "1" ~ 1,
LhCSICrisis3 == "2" ~ 2,
LhCSICrisis3 == "3" ~ 4,
is.na(LhCSICrisis3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSICrisis3 <- labelled::labelled(Burkina_ea_2020$LhCSICrisis3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSICrisis3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis3)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSICrisis3 <- labelled::labelled(Burkina_ea_2021$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSICrisis3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSICrisis3 <- labelled::labelled(Burkina_ea_2022$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSICrisis3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSICrisis3)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
Burkina_pdm_2021$LhCSICrisis3 <- as.character(Burkina_pdm_2021$LhCSICrisis3)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSICrisis3 = dplyr::case_when(
LhCSICrisis3 == "0" ~ NA,
.default = as.factor(LhCSICrisis3)
) %>% structure(label = label(LhCSICrisis3)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSICrisis3 = case_when(
LhCSICrisis3 == "1" ~ 1,
LhCSICrisis3 == "2" ~ 2,
LhCSICrisis3 == "3" ~ 4,
is.na(LhCSICrisis3) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSICrisis3 <- labelled::labelled(Burkina_pdm_2021$LhCSICrisis3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSICrisis3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency1)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
Burkina_baseline_2018$LhCSIEmergency1 <- as.character(Burkina_baseline_2018$LhCSIEmergency1)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIEmergency1 = case_when(
LhCSIEmergency1 == "1" ~ 1,
LhCSIEmergency1 == "2" ~ 2,
is.na(LhCSIEmergency1) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIEmergency1 <- labelled::labelled(Burkina_baseline_2018$LhCSIEmergency1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIEmergency1)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
Burkina_ea_2019$LhCSIEmergency1 <- as.character(Burkina_ea_2019$LhCSIEmergency1)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIEmergency1 = case_when(
LhCSIEmergency1 == "1" ~ 1,
LhCSIEmergency1 == "2" ~ 2,
is.na(LhCSIEmergency1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIEmergency1 <- labelled::labelled(Burkina_ea_2019$LhCSIEmergency1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIEmergency1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIEmergency1)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
Burkina_ea_2020$LhCSIEmergency1 <- as.character(Burkina_ea_2020$LhCSIEmergency1)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIEmergency1 = case_when(
LhCSIEmergency1 == "1" ~ 1,
LhCSIEmergency1 == "2" ~ 2,
LhCSIEmergency1 == "3" ~ 4,
is.na(LhCSIEmergency1) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIEmergency1 <- labelled::labelled(Burkina_ea_2020$LhCSIEmergency1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIEmergency1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency1)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIEmergency1 <- labelled::labelled(Burkina_ea_2021$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIEmergency1 <- labelled::labelled(Burkina_ea_2022$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency1)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency1)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
Burkina_pdm_2021$LhCSIEmergency1 <- as.character(Burkina_pdm_2021$LhCSIEmergency1)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIEmergency1 = dplyr::case_when(
LhCSIEmergency1 == "0" ~ NA,
.default = as.factor(LhCSIEmergency1)
) %>% structure(label = label(LhCSIEmergency1)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIEmergency1 = case_when(
LhCSIEmergency1 == "1" ~ 1,
LhCSIEmergency1 == "2" ~ 2,
LhCSIEmergency1 == "3" ~ 4,
is.na(LhCSIEmergency1) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIEmergency1 <- labelled::labelled(Burkina_pdm_2021$LhCSIEmergency1, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency1)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency2)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
Burkina_baseline_2018$LhCSIEmergency2 <- as.character(Burkina_baseline_2018$LhCSIEmergency2)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIEmergency2 = case_when(
LhCSIEmergency2 == "1" ~ 1,
LhCSIEmergency2 == "2" ~ 2,
is.na(LhCSIEmergency2) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIEmergency2 <- labelled::labelled(Burkina_baseline_2018$LhCSIEmergency2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIEmergency2)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
Burkina_ea_2019$LhCSIEmergency2 <- as.character(Burkina_ea_2019$LhCSIEmergency2)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIEmergency2 = case_when(
LhCSIEmergency2 == "1" ~ 1,
LhCSIEmergency2 == "2" ~ 2,
is.na(LhCSIEmergency2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIEmergency2 <- labelled::labelled(Burkina_ea_2019$LhCSIEmergency2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIEmergency2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIEmergency2)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
Burkina_ea_2020$LhCSIEmergency2 <- as.character(Burkina_ea_2020$LhCSIEmergency2)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIEmergency2 = case_when(
LhCSIEmergency2 == "1" ~ 1,
LhCSIEmergency2 == "2" ~ 2,
LhCSIEmergency2 == "3" ~ 4,
is.na(LhCSIEmergency2) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIEmergency2 <- labelled::labelled(Burkina_ea_2020$LhCSIEmergency2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIEmergency2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency2)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIEmergency2 <- labelled::labelled(Burkina_ea_2021$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIEmergency2 <- labelled::labelled(Burkina_ea_2022$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency2)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency2)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
Burkina_pdm_2021$LhCSIEmergency2 <- as.character(Burkina_pdm_2021$LhCSIEmergency2)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIEmergency2 = dplyr::case_when(
LhCSIEmergency2 == "0" ~ NA,
.default = as.factor(LhCSIEmergency2)
) %>% structure(label = label(LhCSIEmergency2)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIEmergency2 = case_when(
LhCSIEmergency2 == "1" ~ 1,
LhCSIEmergency2 == "2" ~ 2,
LhCSIEmergency2 == "3" ~ 4,
is.na(LhCSIEmergency2) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIEmergency2 <- labelled::labelled(Burkina_pdm_2021$LhCSIEmergency2, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency2)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2, show.na = T)
###################################Baseline 2018###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency3)
## Non, parce ce n'?tait pas n?cessaire
## 1
## Non, parce que j'ai d?j? vendu ces biens ou a fait de cette activit? dans les 12 derniers mois et je ne peux pas c?
## 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
Burkina_baseline_2018$LhCSIEmergency3 <- as.character(Burkina_baseline_2018$LhCSIEmergency3)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(LhCSIEmergency3 = case_when(
LhCSIEmergency3 == "1" ~ 1,
LhCSIEmergency3 == "2" ~ 2,
is.na(LhCSIEmergency3) ~ 3,
TRUE ~ 4
))
Burkina_baseline_2018$LhCSIEmergency3 <- labelled::labelled(Burkina_baseline_2018$LhCSIEmergency3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_baseline_2018$LhCSIEmergency3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
###################################Burkina_ea_2019
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2019$LhCSIEmergency3)
## No, parce ce n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces biens ou a fait de cette activité dans les 12 derniers mois et je ne peux pas cont
## 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
Burkina_ea_2019$LhCSIEmergency3 <- as.character(Burkina_ea_2019$LhCSIEmergency3)
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(LhCSIEmergency3 = case_when(
LhCSIEmergency3 == "1" ~ 1,
LhCSIEmergency3 == "2" ~ 2,
is.na(LhCSIEmergency3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2019$LhCSIEmergency3 <- labelled::labelled(Burkina_ea_2019$LhCSIEmergency3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2019$LhCSIEmergency3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
###################################Burkina_ea_2020
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2020$LhCSIEmergency3)
## Non, parce que cela n'était pas nécessaire
## 1
## Non, parce que j'ai déjà vendu ces actifs ou fait cette activité et je ne peux pas continuer à déployer cette stra
## 2
## Non, parce que je n'ai jamais eu la possibilité/Non applicalble
## 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
Burkina_ea_2020$LhCSIEmergency3 <- as.character(Burkina_ea_2020$LhCSIEmergency3)
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(LhCSIEmergency3 = case_when(
LhCSIEmergency3 == "1" ~ 1,
LhCSIEmergency3 == "2" ~ 2,
LhCSIEmergency3 == "3" ~ 4,
is.na(LhCSIEmergency3) ~ 3,
TRUE ~ 4
))
Burkina_ea_2020$LhCSIEmergency3 <- labelled::labelled(Burkina_ea_2020$LhCSIEmergency3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_ea_2020$LhCSIEmergency3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
###################################ea 2021###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency3)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
#change labels
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2021$LhCSIEmergency3 <- labelled::labelled(Burkina_ea_2021$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2021$LhCSIEmergency3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
###################################ea 2022###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas con
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
#change labels
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"1"=1,"2"=2,"3"=3,"4"=4))
#update labels
Burkina_ea_2022$LhCSIEmergency3 <- labelled::labelled(Burkina_ea_2022$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, `Oui`= 3,`Non applicable`=4))
#check labels
print("New Labels: \n")
## [1] "New Labels: \n"
expss::val_lab(Burkina_ea_2022$LhCSIEmergency3)
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Oui
## 3
## Non applicable
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
###################################Burkina_pdm_2021
###########################################
#View labels
print("Old Labels: \n")
## [1] "Old Labels: \n"
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency3)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
Burkina_pdm_2021$LhCSIEmergency3 <- as.character(Burkina_pdm_2021$LhCSIEmergency3)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(
LhCSIEmergency3 = dplyr::case_when(
LhCSIEmergency3 == "0" ~ NA,
.default = as.factor(LhCSIEmergency3)
) %>% structure(label = label(LhCSIEmergency3)))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(LhCSIEmergency3 = case_when(
LhCSIEmergency3 == "1" ~ 1,
LhCSIEmergency3 == "2" ~ 2,
LhCSIEmergency3 == "3" ~ 4,
is.na(LhCSIEmergency3) ~ 3,
TRUE ~ 4
))
Burkina_pdm_2021$LhCSIEmergency3 <- labelled::labelled(Burkina_pdm_2021$LhCSIEmergency3, c(`Oui` = 3, `Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1,`Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire`=2, `Non applicable`=4))
#check labels
expss::val_lab(Burkina_pdm_2021$LhCSIEmergency3)
## Oui
## 3
## Non, je n'ai pas été confronté à une insuffisance de nourriture
## 1
## Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
## 2
## Non applicable
## 4
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3, show.na = T)
sers_variables = Burkina_baseline_2018 %>% dplyr::select(gtsummary::starts_with("SERS")) %>% names()
#Burkina_baseline_2018
#df <-Burkina_baseline_2018 %>%
#dplyr::select(sers_variables)
#No observations
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
#Burkina_ea_2019
# df <-Burkina_ea_2019 %>%
# dplyr::select(sers_variables)
#Not observations
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
#Burkina_ea_2020
# df <-Burkina_ea_2020 %>%
# dplyr::select(sers_variables)
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
expss::val_lab(Burkina_ea_2020$SERSRebondir)
## tout à fait d'accord d'accord
## 1 2
## ni d'accord ni pas d'accord pas d'accord
## 3 4
## pas du tout d'accord
## 5
#Burkina_ea_2021
# df <-Burkina_ea_2021 %>%
# dplyr::select(sers_variables)
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
expss::val_lab(Burkina_ea_2021$SERSRebondir)
## tout à fait d'accord d'accord
## 1 2
## ni d'accord ni pas d'accord pas d'accord
## 3 4
## pas du tout d'accord
## 5
#Burkina_ea_2022
# df <-Burkina_ea_2022 %>%
# dplyr::select(sers_variables)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
expss::val_lab(Burkina_ea_2022$SERSRebondir)
## tout à fait d'accord d'accord
## 1 2
## ni d'accord ni pas d'accord pas d'accord
## 3 4
## pas du tout d'accord
## 5
#Burkina_pdm_2021
# df <-Burkina_pdm_2021 %>%
# dplyr::select(sers_variables)
#not obserations
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(sers_variables, ~recode(.,
"1" = 1,
"2" = 2,
"3" = 3,
"4" = 4,
"5" = 5)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(sers_variables,
~labelled(., labels = c(
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord " = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)
)))
abi_variables = Burkina_baseline_2018 %>% dplyr::select(gtsummary::starts_with("ABI")) %>% names()
abi_variables <- c(abi_variables,"ActifCreationEmploi",
"BeneficieEmploi",
"TRavailMaintienActif")
#
abi_variables <- abi_variables[! abi_variables %in% c('ABISexparticipant')]
# df <-Burkina_baseline_2018 %>%
# dplyr::select(abi_variables)
expss::val_lab(Burkina_baseline_2018$ABIProteger)
## Oui Non NA
## 1 2 3
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(abi_variables, ~recode(.,
"2" = 0,
"1" = 1,
"3" = 888)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
expss::val_lab(Burkina_baseline_2018$ABIProteger)
## Non Oui Ne sait pas
## 0 1 888
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
# df <-Burkina_ea_2019 %>%
# dplyr::select(abi_variables)
expss::val_lab(Burkina_ea_2019$ABIProteger)
## Oui Non NA
## 1 2 3
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
expss::val_lab(Burkina_ea_2019$ABIProteger)
## Non Oui Ne sait pas
## 0 1 888
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
# df <-Burkina_ea_2020 %>%
# dplyr::select(abi_variables)
expss::val_lab(Burkina_ea_2020$ABIProteger)
## Oui Non Non applicable
## 1 2 3
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(ABISexparticipant=recode(ABISexparticipant,
"2" = 0,
"1" = 1,
))
# Burkina_ea_2021
expss::val_lab(Burkina_ea_2021$ABIProteger)
## NULL
Burkina_ea_2021 <-Burkina_ea_2021 %>% dplyr::mutate(across(sers_variables, as.factor))
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(abi_variables, ~recode(.,
"0" = 0,
"1" = 1)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(ABISexparticipant=recode(ABISexparticipant,
"2" = 0,
"1" = 1,
))
expss::val_lab(Burkina_ea_2022$ABIProteger)
## Non Oui Ne sait pas
## 0 1 888
Burkina_ea_2022 <-Burkina_ea_2022 %>% dplyr::mutate(across(sers_variables, as.factor))
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(abi_variables, ~recode(.,
"0" = 0,
"1" = 1)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(ABISexparticipant=recode(ABISexparticipant,
"2" = 0,
"1" = 1,
))
#Pas de pmd 2019
# Burkina_pdm_2021
# df <-Burkina_pdm_2021 %>%
# dplyr::select(abi_variables)
expss::val_lab(Burkina_pdm_2021$ABIProteger)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"1" = 1,
"2" = 0
)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888
)
)))
expss::val_lab(Burkina_pdm_2021$ABIProteger)
## Non Oui Ne sait pas
## 0 1 888
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,ABIProteger, show.na = T)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(ABISexparticipant=recode(ABISexparticipant,
"2" = 0,
"1" = 1,
))
# Burkina_baseline_2018
# MigrationEmploi
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,MigrationEmploi, show.na = T)
expss::val_lab(Burkina_baseline_2018$MigrationEmploi)
## Oui Non
## 1 2
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(MigrationEmploi = case_when(
MigrationEmploi == 1 ~ 1,
MigrationEmploi == 2 ~ 0
))
# NbMigrants
#No problem here
Burkina_baseline_2018$NbMigrants <- as_numeric(Burkina_baseline_2018$NbMigrants)
# RaisonMigration
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,RaisonMigration, show.na = T)
expss::val_lab(Burkina_baseline_2018$RaisonMigration)
## Difficult?s alimentaires conjoncturelles
## 1
## Manque d?opportunit?s ?conomiques
## 2
## Uniquement en ann?e de crise alimentaire
## 3
## La migration fait d?sormais partie des moyens d?existence classique
## 4
## Autre (? pr?ciser)
## 5
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(RaisonMigration = case_when(
RaisonMigration == 1 ~ 4,
RaisonMigration == 2 ~ 1,
RaisonMigration == 3 ~ 5,
RaisonMigration == 4 ~ 6,
RaisonMigration == 5 ~ 9
))
# AutreRaisonEconomiques
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,AutreRaisonEconomiques, show.na = T)
#Not observations
# RaisonAccesServices
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,RaisonAccesServices, show.na = T)
#Not observations
# DestinationMigration
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,DestinationMigration, show.na = T)
expss::val_lab(Burkina_baseline_2018$DestinationMigration)
## Autre village de la commune Ville Ouagadougou
## 1 2
## Autre ville du Burkina Faso Autre pays d?Afrique
## 3 4
## Hors d?Afrique
## 5
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>%
dplyr::mutate(DestinationMigration = case_when(
DestinationMigration == 1 ~ 1,
DestinationMigration == 2 ~ 1,
DestinationMigration == 3 ~ 1,
DestinationMigration == 4 ~ 2,
DestinationMigration == 5 ~ 3
))
# DureeMigration
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,DureeMigration, show.na = T)
expss::val_lab(Burkina_baseline_2018$DureeMigration)
## Moins d?1 mois dans l?ann?e Entre 1 et 3 mois dans l?ann?e
## 1 2
## Entre 3 et 6 mois dans l?ann?e Entre 6 et 9 mois dans l?ann?e
## 3 4
## Plus de 9 mois dans l?ann?e
## 5
# TendanceMigration
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,TendanceMigration, show.na = T)
expss::val_lab(Burkina_baseline_2018$TendanceMigration)
## Beaucoup augment? L?g?rement augment? Stable Beaucoup baiss?
## 1 2 3 4
## L?g?rement baiss? NSP
## 5 6
#ok
# RaisonHausseMig
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,RaisonHausseMig, show.na = T)
# RaisonBaisseMig
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,RaisonBaisseMig, show.na = T)
#Burkina_ea_2019
# MigrationEmploi
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,MigrationEmploi, show.na = T)
expss::val_lab(Burkina_ea_2019$MigrationEmploi)
## Oui Non
## 1 2
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(MigrationEmploi = case_when(
MigrationEmploi == 1 ~ 1,
MigrationEmploi == 2 ~ 0,
))
# NbMigrants
Burkina_ea_2019$NbMigrants <- as_numeric(Burkina_ea_2019$NbMigrants)
#No problem here
# RaisonMigration
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,RaisonMigration, show.na = T)
expss::val_lab(Burkina_ea_2019$RaisonMigration)
## NULL
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(RaisonMigration = case_when(
RaisonMigration == 1 ~ 4,
RaisonMigration == 2 ~ 1,
RaisonMigration == 3 ~ 5,
RaisonMigration == 4 ~ 6,
RaisonMigration == 5 ~ 9,
))
# AutreRaisonEconomiques
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,AutreRaisonEconomiques, show.na = T)
# RaisonAccesServices
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,RaisonAccesServices, show.na = T)
# DestinationMigration
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,DestinationMigration, show.na = T)
expss::val_lab(Burkina_ea_2019$DestinationMigration)
## NULL
Burkina_ea_2019 <-
Burkina_ea_2019 %>%
dplyr::mutate(DestinationMigration = case_when(
DestinationMigration == 1 ~ 1,
DestinationMigration == 2 ~ 1,
DestinationMigration == 3 ~ 1,
DestinationMigration == 4 ~ 2,
DestinationMigration == 5 ~ 3
))
# DureeMigration
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,DureeMigration, show.na = T)
expss::val_lab(Burkina_ea_2019$DureeMigration)
## Moins d'1 mois dans l'année Entre 1 et 3 mois dans l'année
## 1 2
## Entre 3 et 6 mois dans l'année Entre 6 et 9 mois dans l'année
## 3 4
## Plus de 9 mois dans l'année
## 5
#ok
# TendanceMigration
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,TendanceMigration, show.na = T)
# RaisonHausseMig
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,RaisonHausseMig, show.na = T)
# RaisonBaisseMig
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,RaisonBaisseMig, show.na = T)
# Burkina_ea_2020
# MigrationEmploi
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,MigrationEmploi, show.na = T)
expss::val_lab(Burkina_ea_2020$MigrationEmploi)
## Oui Non
## 1 2
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(MigrationEmploi = case_when(
MigrationEmploi == 1 ~ 1,
MigrationEmploi == 2 ~ 0,
))
# NbMigrants
#No problem here
Burkina_ea_2020$NbMigrants <- as_numeric(Burkina_ea_2020$NbMigrants)
# RaisonMigration
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,RaisonMigration, show.na = T)
expss::val_lab(Burkina_ea_2020$RaisonMigration)
## 1. Insécurité au Nigéria ou en Lybie
## 1
## 2. Manque de moyens financiers pour payer le transport
## 2
## 3. La migration ne fait pas/plus partie de la stratégie du ménage
## 3
## 4. Aucun membre du ménage n'est apte pour la migration (femmes, personnes âgées, enfants à bas âge)
## 4
## 5. Occupé par les travaux champêtres
## 5
## 6. Occupé par les activités de Food For Asset / Cash For Asset
## 6
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(RaisonMigration = case_when(
RaisonMigration == 1 ~ 7,
RaisonMigration == 2 ~ 9,
RaisonMigration == 3 ~ 6,
RaisonMigration == 4 ~ 9,
RaisonMigration == 5 ~ 9,
))
# AutreRaisonEconomiques
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,AutreRaisonEconomiques, show.na = T)
# RaisonAccesServices
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,RaisonAccesServices, show.na = T)
# DestinationMigration
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,DestinationMigration, show.na = T)
# DureeMigration
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,DureeMigration, show.na = T)
expss::val_lab(Burkina_ea_2020$DureeMigration)
## 1. Moins d'1 mois dans l'année 2. Entre 1 et 3 mois dans l'année
## 1 2
## 3. Entre 3 et 6 mois dans l'année 4. Entre 6 et 9 mois dans l'année
## 3 4
## 5. Plus de 9 mois dans l'année 6. Pas de migrants saisonniers
## 5 6
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(DureeMigration = case_when(
DureeMigration == 6 ~ NA_real_))
# TendanceMigration
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,TendanceMigration, show.na = T)
# RaisonHausseMig
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,RaisonHausseMig, show.na = T)
expss::val_lab(Burkina_ea_2020$RaisonHausseMig)
## 1. L'assistance du PAM ne permet de couvrir tous les besoins
## 1
## 2. La situation alimentaire est difficile dans le village (mauvaise récolte)
## 2
## 3. La migration est une stratégie habituelle chez les ménages très pauvres du village
## 3
## 4. Autre (à préciser)
## 4
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(RaisonHausseMig = case_when(
RaisonHausseMig == 1 ~ 1,
RaisonHausseMig == 2 ~ 1,
RaisonHausseMig == 3 ~ 4,
RaisonHausseMig == 4 ~ 5,
))
# RaisonBaisseMig
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,RaisonBaisseMig, show.na = T)
expss::val_lab(Burkina_ea_2020$RaisonBaisseMig)
## 1. Les ménages très pauvres ont accès à une assistance régulière
## 1
## 2. La situation alimentaire est moins critique
## 2
## 3. Les bras valides sont occupés par les activités de Food For Asset / Cash For Asset
## 3
## 4. La migration n'est pas une stratégie habituelle chez les ménages très pauvres du village
## 4
## 5. Autre (à préciser)
## 5
Burkina_ea_2020 <-
Burkina_ea_2020 %>%
dplyr::mutate(RaisonBaisseMig = case_when(
RaisonBaisseMig == 1 ~ 3,
RaisonBaisseMig == 2 ~ 4,
RaisonBaisseMig == 3 ~ 3,
RaisonBaisseMig == 4 ~ 5,
RaisonBaisseMig == 5 ~ 7,
))
# Burkina_ea_2021
# MigrationEmploi
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,MigrationEmploi, show.na = T)
expss::val_lab(Burkina_ea_2021$MigrationEmploi)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(MigrationEmploi = case_when(
MigrationEmploi == "0" ~ 0,
MigrationEmploi == "1" ~ 1,
MigrationEmploi == "888" ~ NA_real_
))
# NbMigrants
Burkina_ea_2021$NbMigrants <-as_numeric(Burkina_ea_2021$NbMigrants)
#No problem here
# RaisonMigration
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,RaisonMigration, show.na = T)
expss::val_lab(Burkina_ea_2021$RaisonMigration)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(RaisonMigration = case_when(
RaisonMigration == "1" ~ 1,
RaisonMigration == "2" ~ 2,
RaisonMigration == "3" ~ 3,
RaisonMigration == "4" ~ 4,
RaisonMigration == "5" ~ 5,
RaisonMigration == "6" ~ 6,
RaisonMigration == "7" ~ 7,
RaisonMigration == "8" ~ 8,
RaisonMigration == "9" ~ 9,
))
# AutreRaisonEconomiques
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,AutreRaisonEconomiques, show.na = T)
expss::val_lab(Burkina_ea_2021$AutreRaisonEconomiques)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(AutreRaisonEconomiques = case_when(
AutreRaisonEconomiques == "1" ~ 1,
AutreRaisonEconomiques == "2" ~ 2,
AutreRaisonEconomiques == "3" ~ 3
))
# RaisonAccesServices
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,RaisonAccesServices, show.na = T)
# DestinationMigration
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,DestinationMigration, show.na = T)
expss::val_lab(Burkina_ea_2021$DestinationMigration)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(DestinationMigration = case_when(
DestinationMigration == "1" ~ 1,
DestinationMigration == "2" ~ 2,
DestinationMigration == "3" ~ 3,
DestinationMigration == "5" ~ NA
))
# DureeMigration
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,DureeMigration, show.na = T)
expss::val_lab(Burkina_ea_2021$DureeMigration)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(DureeMigration = case_when(
DureeMigration == "1" ~ 1,
DureeMigration == "2" ~ 2,
DureeMigration == "3" ~ 3,
DureeMigration == "4" ~ 4,
DureeMigration == "5" ~ 5,
DureeMigration == "6" ~ 6,
DureeMigration == "other" ~ NA_real_
))
# TendanceMigration
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,TendanceMigration, show.na = T)
expss::val_lab(Burkina_ea_2021$TendanceMigration)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(TendanceMigration = case_when(
TendanceMigration == "1" ~ 1,
TendanceMigration == "2" ~ 2,
TendanceMigration == "3" ~ 3,
TendanceMigration == "4" ~ 4,
TendanceMigration == "5" ~ 5,
TendanceMigration == "6" ~ 6,
))
# RaisonHausseMig
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,RaisonHausseMig, show.na = T)
expss::val_lab(Burkina_ea_2021$RaisonHausseMig)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(RaisonHausseMig = case_when(
RaisonHausseMig == "1" ~ 1,
RaisonHausseMig == "2" ~ 2,
RaisonHausseMig == "3" ~ 3,
RaisonHausseMig == "4" ~ 4,
))
# RaisonBaisseMig
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,RaisonBaisseMig, show.na = T)
expss::val_lab(Burkina_ea_2021$RaisonBaisseMig)
## NULL
Burkina_ea_2021 <-
Burkina_ea_2021 %>%
dplyr::mutate(RaisonBaisseMig = case_when(
RaisonHausseMig == 1 ~ 1,
RaisonHausseMig == 2 ~ 2,
RaisonHausseMig == 3 ~ 3,
RaisonHausseMig == 4 ~ 4,
RaisonHausseMig == 5 ~ 5,
))
# Burkina_ea_2022
# MigrationEmploi
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,MigrationEmploi, show.na = T)
expss::val_lab(Burkina_ea_2022$MigrationEmploi)
## Non Oui Ne sait pas
## 0 1 888
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(MigrationEmploi = case_when(
MigrationEmploi == 888 ~ NA_real_
))
# NbMigrants
Burkina_ea_2022$NbMigrants <- as_numeric(Burkina_ea_2022$NbMigrants)
#No problem here
# RaisonMigration
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,RaisonMigration, show.na = T)
expss::val_lab(Burkina_ea_2022$RaisonMigration)
## Recherche d'opportunités économiques
## 0
## Catastrophes naturelles (par ex., inondations, sécheresse, etc.)
## 0
## Accès aux services de base (santé, éducation…)
## 0
## Difficultés alimentaires conjoncturelles
## 0
## Uniquement en année de crise alimentaire
## 0
## La migration fait désormais partie des moyens d'existence classique
## 0
## Guerre/conflit
## 0
## Violence ciblée ou persécution
## 0
## Autres à préciser |________________|
## 0
## Other
## 0
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(RaisonMigration = case_when(
as.character(RaisonMigration) == "1" ~ 1,
as.character(RaisonMigration) == "2" ~ 2,
as.character(RaisonMigration) == "3" ~ 3,
as.character(RaisonMigration) == "4" ~ 4,
as.character(RaisonMigration) == "5" ~ 5,
as.character(RaisonMigration) == "7" ~ 7,
as.character(RaisonMigration) == "8" ~ 8,
as.character(RaisonMigration) == "other" ~ 9
))
# AutreRaisonEconomiques
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,AutreRaisonEconomiques, show.na = T)
expss::val_lab(Burkina_ea_2022$AutreRaisonEconomiques)
## Déplacements quotidiens/hebdomadaires pour le travail
## 0
## Activité agricole et pastorale (transhumance, migration saisonnière)
## 0
## Recherche d'opportunités d'emploi à l'étranger
## 0
## Other
## 0
## Affaires (marché, vente/achat)
## 0
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(AutreRaisonEconomiques = case_when(
as.character(AutreRaisonEconomiques) == "1" ~ 2,
as.character(AutreRaisonEconomiques) == "2" ~ 3,
as.character(AutreRaisonEconomiques) == "3" ~ 4,
as.character(AutreRaisonEconomiques) == "4" ~ 5,
as.character(AutreRaisonEconomiques) == "5" ~ 1
))
# RaisonAccesServices
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,RaisonAccesServices, show.na = T)
# DestinationMigration
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,DestinationMigration, show.na = T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(DestinationMigration = case_when(
as.character(DestinationMigration) == "1" ~ 2,
as.character(DestinationMigration) == "2" ~ 3,
as.character(DestinationMigration) == "3" ~ 3,
as.character(DestinationMigration) == "4" ~ 1
))
# DureeMigration
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,DureeMigration, show.na = T)
expss::val_lab(Burkina_ea_2022$DureeMigration)
## 1 à 3 mois 3 à 6 mois 6 à 9 mois 10 à 12 mois
## 0 0 0 0
## Plus de 12 mois. Other Mois d'un mois
## 0 0 0
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(DureeMigration = case_when(
as.character(DureeMigration) == "1" ~ 2,
as.character(DureeMigration) == "2" ~ 3,
as.character(DureeMigration) == "3" ~ 4,
as.character(DureeMigration) == "4" ~ 5,
as.character(DureeMigration) == "5" ~ 6,
as.character(DureeMigration) == "6" ~ 6,
as.character(DureeMigration) == "7" ~ 1,
as.character(DureeMigration) == "other" ~ NA_real_
))
# TendanceMigration
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,TendanceMigration, show.na = T)
expss::val_lab(Burkina_ea_2022$TendanceMigration)
## Beaucoup augmenté Légèrement augmenté Stable Beaucoup baissé
## 1 2 3 4
## Légèrement baissé Ne sait pas ;
## 5 6
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(TendanceMigration = case_when(
TendanceMigration == 1 ~ 1,
TendanceMigration == 2 ~ 2,
TendanceMigration == 3 ~ 3,
TendanceMigration == 4 ~ 4,
TendanceMigration == 5 ~ 5,
TendanceMigration == 6 ~ 6,
))
# RaisonHausseMig
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,RaisonHausseMig, show.na = T)
expss::val_lab(Burkina_ea_2022$RaisonHausseMig)
## Manque d'opportunités économiques
## 0
## Dégradation de l'environnement (pertes de bétail, baisse de la production et du rendement à cause de la sécheresse,
## 0
## La migration fait désormais partie des moyens d'existence classique
## 0
## Other
## 0
## Difficultés alimentaires conjoncturelles
## 0
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(RaisonHausseMig = case_when(
as.character(RaisonHausseMig) == "1" ~ 2,
as.character(RaisonHausseMig) == "2" ~ 3,
as.character(RaisonHausseMig) == "3" ~ 4,
as.character(RaisonHausseMig) == "4" ~ 5,
as.character(RaisonHausseMig) == "5" ~ 1
))
# RaisonBaisseMig
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,RaisonBaisseMig, show.na = T)
expss::val_lab(Burkina_ea_2022$RaisonBaisseMig)
## Voyage vers la Lybie/ Nigeria devenu trop dangereux/ couteux
## 0
## Les ménages pauvres ont accès à une assistance régulière/ les bras valides sont occupés par les travaux FFA
## 0
## La situation alimentaire générale du village s'est améliorée
## 0
## La migration fait désormais partie des moyens d'existence classique 6. Emergence d'opportunités économiques grâce au
## 0
## Other
## 0
## Moins d'opportunités économiques ou insécurité au Nigéria ou en Lybie
## 0
Burkina_ea_2022 <-
Burkina_ea_2022 %>%
dplyr::mutate(RaisonBaisseMig = case_when(
as.character(RaisonBaisseMig) == "1" ~ 2,
as.character(RaisonBaisseMig) == "2" ~ 3,
as.character(RaisonBaisseMig) == "3" ~ 4,
as.character(RaisonBaisseMig) == "4" ~ 5,
as.character(RaisonBaisseMig) == "5" ~ 7,
as.character(RaisonBaisseMig) == "6" ~ 1
))
# Burkina_pdm_2021
mig_variables = c("MigrationEmploi",
"NbMigrants",
"RaisonMigration",
"AutreRaisonEconomiques",
"RaisonAccesServices",
"DestinationMigration",
"DureeMigration",
"TendanceMigration",
"RaisonHausseMig",
"RaisonBaisseMig"
)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>%
dplyr::mutate(across(as_factor(mig_variables)))
PWMDDW_variables = Burkina_baseline_2018 %>% dplyr::select(gtsummary::starts_with("PWMDD")) %>% names()
# df <-Burkina_baseline_2018 %>%
# dplyr::select(PWMDDW_variables)
Burkina_baseline_2018$MDDW_resp_age <- as_numeric(Burkina_baseline_2018$MDDW_resp_age)
################################################
expss::val_lab(Burkina_baseline_2018$PWMDDWStapRoo)
## NULL
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(PWMDDW_variables,
~recode(.,
"0" = 0,
"1" = 1,
"888" = 888
)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888
))))
expss::val_lab(Burkina_baseline_2018$PWMDDWStapRoo)
## Non Oui Ne sais pas
## 0 1 888
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
################################################
################################################
#Burkina_ea_2019
Burkina_ea_2019$MDDW_resp_age <- as_numeric(Burkina_ea_2019$MDDW_resp_age)
# # df <-Burkina_ea_2019 %>%
# # dplyr::select(PWMDDW_variables)
expss::val_lab(Burkina_ea_2019$PWMDDWStapRoo)
## NULL
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(PWMDDW_variables,
~recode(.,
"0" = 0,
"1" = 1,
"888" = 888
)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888))))
expss::val_lab(Burkina_ea_2019$PWMDDWStapRoo)
## Non Oui Ne sais pas
## 0 1 888
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
################################################
################################################
# df <-Burkina_ea_2020 %>%
# dplyr::select(PWMDDW_variables)
Burkina_ea_2020$MDDW_resp_age <- as_numeric(Burkina_ea_2020$MDDW_resp_age)
expss::val_lab(Burkina_ea_2020$PWMDDWStapRoo)
## Non Oui NSP
## 0 1 8
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(PWMDDW_variables,
~recode(.,
"0" = 0,
"1" = 1,
"8" = 888
)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888))))
expss::val_lab(Burkina_ea_2020$PWMDDWStapRoo)
## Non Oui Ne sais pas
## 0 1 888
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
################################################
################################################
#Burkina_ea_2021
# df <-Burkina_ea_2021 %>%
# dplyr::select(PWMDDW_variables)
Burkina_ea_2021$MDDW_resp_age <- ifelse(Burkina_ea_2021$MDDW_resp_age == 1979, 42,
ifelse(Burkina_ea_2021$MDDW_resp_age == 1986, 35,
Burkina_ea_2021$MDDW_resp_age))
Burkina_ea_2021$MDDW_resp_age <- as_numeric(Burkina_ea_2021$MDDW_resp_age)
expss::val_lab(Burkina_ea_2021$PWMDDWStapRoo)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(PWMDDW_variables, ~recode(.,
"0" = 0,
"1" = 1)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888))))
#Burkina_ea_2022
# df <-Burkina_ea_2022 %>%
# dplyr::select(PWMDDW_variables)
Burkina_ea_2022$MDDW_resp_age <- as_numeric(Burkina_ea_2022$MDDW_resp_age)
expss::val_lab(Burkina_ea_2022$PWMDDWStapRoo)
## NULL
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(PWMDDW_variables, ~recode(.,
"0" = 0,
"1" = 1)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888))))
################################################
# Burkina_pdm_2021
# df <-Burkina_pdm_2021 %>%
# dplyr::select(PWMDDW_variables)
Burkina_pdm_2021$MDDW_resp_age <- as_numeric(Burkina_pdm_2021$MDDW_resp_age)
expss::val_lab(Burkina_pdm_2021$PWMDDWStapRoo)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(PWMDDW_variables,
~recode(.,
"1" = 1,
"2" = 0,
"99" = 888
)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(PWMDDW_variables,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sais pas" = 888
)
)))
expss::val_lab(Burkina_pdm_2021$PWMDDWStapRoo)
## Non Oui Ne sais pas
## 0 1 888
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,PWMDDWStapRoo, show.na = T)
mad_variables = c("MAD_sex",
"MAD_dob",
"MAD_resp_age",
"EverBreastF",
"PCIYCBreastF",
"PCIYCInfFormNb",
"PCIYCDairyMiNb",
"PCIYCDairyYoNb",
"PCIYCStapPoNb",
"MAD_module",
"PCMADStapCer",
"PCMADVegOrg",
"PCMADStapRoo",
"PCMADVegGre",
"PCMADFruitOrg",
"PCMADVegFruitOth",
"PCMADPrMeatO",
"PCMADPrMeatF",
"PCMADPrEgg",
"PCMADPrFish",
"PCMADPulse",
"PCMADDairy",
"PCMADFatRpalm",
"PCMADSnfChild",
"PCMADSnfPowd",
"PCMADSnfLns",
"PCIYCMeals"
)
mad_variables_har = c(
"EverBreastF",
"PCIYCBreastF",
"MAD_module",
"PCMADStapCer",
"PCMADVegOrg",
"PCMADStapRoo",
"PCMADVegGre",
"PCMADFruitOrg",
"PCMADVegFruitOth",
"PCMADPrMeatO",
"PCMADPrMeatF",
"PCMADPrEgg",
"PCMADPrFish",
"PCMADPulse",
"PCMADDairy",
"PCMADFatRpalm",
"PCMADSnfChild",
"PCMADSnfPowd",
"PCMADSnfLns"
)
PCI_Num <- c("PCIYCInfFormNb",
"PCIYCDairyMiNb",
"PCIYCDairyYoNb",
"PCIYCStapPoNb",
"PCIYCMeals"
)
#Burkina_baseline_2018
# df <-Burkina_baseline_2018 %>%
# dplyr::select(mad_variables)
Burkina_baseline_2018$MAD_resp_age <- as_numeric(Burkina_baseline_2018$MAD_resp_age)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
#Burkina_ea_2019
# df <-Burkina_ea_2019 %>%
# dplyr::select(mad_variables)
Burkina_ea_2019$MAD_resp_age <- as_numeric(Burkina_ea_2019$MAD_resp_age)
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate(MAD_sex = dplyr::recode(MAD_sex,"1"=1,"2"=0))
expss::val_lab(Burkina_ea_2019$PCIYCBreastF)
## Oui Non NSP
## 1 2 3
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
expss::val_lab(Burkina_ea_2019$PCIYCBreastF)
## Non Oui Ne sait pas
## 0 1 888
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,PCIYCBreastF, show.na = T)
#Burkina_ea_2020
# df <-Burkina_ea_2020 %>%
# dplyr::select(mad_variables)
Burkina_ea_2020$MAD_resp_age <- as_numeric(Burkina_ea_2020$MAD_resp_age)
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
#Burkina_ea_2021
# df <-Burkina_ea_2021 %>%
# dplyr::select(mad_variables)
Burkina_ea_2021$MAD_resp_age <- as_numeric(Burkina_ea_2021$MAD_resp_age)
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate(MAD_sex = dplyr::recode(MAD_sex,"1"=1,"2"=0))
expss::val_lab(Burkina_ea_2021$PCIYCBreastF)
## NULL
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"0" = 0,
"1" = 1,
"888" = 888
)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
expss::val_lab(Burkina_ea_2021$PCIYCBreastF)
## Non Oui Ne sait pas
## 0 1 888
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,PCIYCBreastF, show.na = T)
#Burkina_ea_2022
# df <-Burkina_ea_2022 %>%
# dplyr::select(mad_variables)
Burkina_ea_2022$MAD_resp_age <- as_numeric(Burkina_ea_2022$MAD_resp_age)
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"2" = 0,
"1" = 1,
"3" = 888
)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
#Burkina_pdm_2021
# df <-Burkina_pdm_2021 %>%
# dplyr::select(mad_variables)
Burkina_pdm_2021$MAD_resp_age <- as_numeric(Burkina_pdm_2021$MAD_resp_age)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(as_numeric((across(PCI_Num))))
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate(MAD_sex = dplyr::recode(MAD_sex,"1"=1,"2"=0))
expss::val_lab(Burkina_pdm_2021$PCIYCBreastF)
## NULL
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(mad_variables_har,
~recode(.,
"0" = 0,
"1" = 1,
"99" = 888
)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(mad_variables_har,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888))))
expss::val_lab(Burkina_pdm_2021$PCIYCBreastF)
## Non Oui Ne sait pas
## 0 1 888
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,PCIYCBreastF, show.na = T)
#as.Date(19213, origin = "1970-01-01")
#as.Date(43791, origin = "1899-12-30")
Burkina_baseline_2018$SvyDatePDM<-as.Date(Burkina_baseline_2018$SvyDatePDM)
Burkina_ea_2019$SvyDatePDM<-as.Date(Burkina_ea_2019$SvyDatePDM)
#Burkina_pdm_2019
Burkina_ea_2020$SvyDatePDM <- sub("T.*", "", Burkina_ea_2020$SvyDatePDM)
Burkina_ea_2020$SvyDatePDM<-as.Date(Burkina_ea_2020$SvyDatePDM)
Burkina_ea_2021$SvyDatePDM<-as.Date(Burkina_ea_2021$SvyDatePDM)
Burkina_pdm_2021$SvyDatePDM<-as.Date(Burkina_pdm_2021$SvyDatePDM)
Burkina_ea_2022$SvyDatePDM<-as.Date(Burkina_ea_2022$SvyDatePDM)
#Household size check
Burkina_baseline_2018%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#Not problem ok
Burkina_ea_2019%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#NA's found in variable
Burkina_ea_2020%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#NA's found in variable
Burkina_ea_2021%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#NA's found in variable
Burkina_ea_2022%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#Not problem ok
# Burkina_pdm_2019%>%
# plot_frq(coord.flip =T,HHSize, show.na = T)
Burkina_pdm_2021%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#Not problem ok
#Household size calculation
HHvars <- c("HHSize05M","HHSize23M","HHSize59M","HHSize5114M","HHSize1549M","HHSize5064M","HHSize65AboveM","HHSize05F","HHSize23F","HHSize59F","HHSize5114F","HHSize1549F","HHSize5064F","HHSize65AboveF")
HH_data <- select(Burkina_baseline_2018, HHvars)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% mutate(across(HHvars, as.numeric))
HH_data <- select(Burkina_pdm_2021, HHvars)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% mutate(across(HHvars, as.numeric))
HH_data <- select(Burkina_ea_2022, HHvars)
Burkina_ea_2022 <- Burkina_ea_2022 %>% mutate(across(HHvars, as.numeric))
# Burkina_ea_2019
HH_data <- select(Burkina_ea_2019, HHvars)
Burkina_ea_2019 <- Burkina_ea_2019 %>% mutate(across(HHvars, as.numeric))
HH_data <- mutate_all(HH_data, as.numeric)
Burkina_ea_2019$HHSize <- rowSums(HH_data, na.rm = TRUE)
Burkina_ea_2019%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#Burkina_ea_2020
HH_data <- select(Burkina_ea_2020, HHvars)
Burkina_ea_2020 <- Burkina_ea_2020 %>% mutate(across(HHvars, as.numeric))
HH_data <- mutate_all(HH_data, as.numeric)
Burkina_ea_2020$HHSize <- rowSums(HH_data, na.rm = TRUE)
Burkina_ea_2020%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
#Burkina_ea_2021
condition = Burkina_ea_2021['ID'] == 156
Burkina_ea_2021[condition, 'HHSize65AboveM'] = "7"
HH_data <- select(Burkina_ea_2021, HHvars)
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(across(HHvars, as.numeric))
HH_data <- mutate_all(HH_data, as.numeric)
Burkina_ea_2021$HHSize <- rowSums(HH_data, na.rm = TRUE)
Burkina_ea_2021%>%
plot_frq(coord.flip =T,HHSize, show.na = T)
# We need to recode gender label to:
# 0 = Femme
# 1 = Homme
#View labels
expss::val_lab(Burkina_baseline_2018$HHHSex)
## Masculin F?minin
## 1 2
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(HHHSex = dplyr::recode(HHHSex,`2` = 0, `1` = 1))
Burkina_baseline_2018$HHHSex <- labelled::labelled(Burkina_baseline_2018$HHHSex, c(Femme = 0, Homme = 1))
#Check new labels
expss::val_lab(Burkina_baseline_2018$HHHSex)
## Femme Homme
## 0 1
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,HHHSex)
#View labels
expss::val_lab(Burkina_ea_2019$HHHSex)
## Masculin Femme
## 1 2
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(HHHSex = dplyr::recode(HHHSex,"2" = 0, "1" = 1))
Burkina_ea_2019$HHHSex <- labelled::labelled(Burkina_ea_2019$HHHSex, c(Femme = 0, Homme = 1))
#Check labels
expss::val_lab(Burkina_ea_2019$HHHSex)
## Femme Homme
## 0 1
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,HHHSex)
#####Burkina_pdm_2019
#View labels
expss::val_lab(Burkina_ea_2020$HHHSex)
## Masculin Feminin
## 1 2
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_ea_2020$HHHSex<-dplyr::recode(Burkina_ea_2020$HHHSex, "1" = 1, "2" = 0)
Burkina_ea_2020$HHHSex <- labelled::labelled(Burkina_ea_2020$HHHSex, c(Femme = 0, Homme = 1))
#Check new labels
expss::val_lab(Burkina_ea_2020$HHHSex)
## Femme Homme
## 0 1
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,HHHSex)
#View labels
expss::val_lab(Burkina_ea_2021$HHHSex)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(HHHSex = dplyr::recode(HHHSex,`1` = 1, `2` = 0))
Burkina_ea_2021$HHHSex <- labelled::labelled(Burkina_ea_2021$HHHSex, c(Femme = 0, Homme = 1))
#Check labels
expss::val_lab(Burkina_ea_2021$HHHSex)
## Femme Homme
## 0 1
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHSex)
#View labels
expss::val_lab(Burkina_ea_2022$HHHSex)
## Femme Homme
## 0 1
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(HHHSex = dplyr::recode(HHHSex,`1` = 1, `0` = 0))
Burkina_ea_2022$HHHSex <- labelled::labelled(Burkina_ea_2022$HHHSex, c(Femme = 0, Homme = 1))
#Check labels
expss::val_lab(Burkina_ea_2022$HHHSex)
## Femme Homme
## 0 1
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,HHHSex)
#View labels
expss::val_lab(Burkina_pdm_2021$HHHSex)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,HHHSex)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(HHHSex = dplyr::recode(HHHSex,`2` = 0, `1` = 1))
Burkina_pdm_2021$HHHSex <- labelled::labelled(Burkina_pdm_2021$HHHSex, c(Femme = 0, Homme = 1))
#Check labels
expss::val_lab(Burkina_pdm_2021$HHHSex)
## Femme Homme
## 0 1
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,HHHSex)
expss::val_lab(Burkina_baseline_2018$HHHEdu)
## Aucun Alphab?tis? Coranique Primaire Secondaire Sup?rieur
## 1 2 3 4 5 6
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,HHHEdu)
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=2,"4"=3,"5"=4, "6"=5))
Burkina_baseline_2018$HHHEdu <- labelled::labelled(Burkina_baseline_2018$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
#check labels
expss::val_lab(Burkina_baseline_2018$HHHEdu)
## Aucune Alphabétisé ou Coranique Primaire
## 1 2 3
## Secondaire Superieur
## 4 5
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,HHHEdu)
##
expss::val_lab(Burkina_ea_2019$HHHEdu)
## Aucun Alphabétisé Coranique Primaire Secondaire Supérieur
## 1 2 3 4 5 6
## Franco-arabe
## 7
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,HHHEdu)
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=2,"4"=3,"5"=4, "6"=5, "7" = 2))
Burkina_ea_2019$HHHEdu <- labelled::labelled(Burkina_ea_2019$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
expss::val_lab(Burkina_ea_2019$HHHEdu)
## Aucune Alphabétisé ou Coranique Primaire
## 1 2 3
## Secondaire Superieur
## 4 5
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,HHHEdu)
#### Burkina_pdm_2019
expss::val_lab(Burkina_ea_2020$HHHEdu)
## Aucun Alphabétisé Coranique Primaire Secondaire Supérieur
## 1 2 3 4 5 6
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,HHHEdu)
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=2,"4"=3,"5"=4, "6"=5))
Burkina_ea_2020$HHHEdu <- labelled::labelled(Burkina_ea_2020$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
expss::val_lab(Burkina_ea_2020$HHHEdu)
## Aucune Alphabétisé ou Coranique Primaire
## 1 2 3
## Secondaire Superieur
## 4 5
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,HHHEdu)
## EA 2021 not available (only NAs)
expss::val_lab(Burkina_ea_2021$HHHEdu)
## NULL
Burkina_ea_2021$HHHEdu<-as.factor(Burkina_ea_2021$HHHEdu)
expss::val_lab(Burkina_ea_2022$HHHEdu)
## Aucun Alphabétisé ou Coranique Primaire
## 1 2 3
## Secondaire Supérieur
## 4 5
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,HHHEdu)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=3,"4"=4))
Burkina_ea_2022$HHHEdu <- labelled::labelled(Burkina_ea_2022$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4))
expss::val_lab(Burkina_ea_2022$HHHEdu)
## Aucune Alphabétisé ou Coranique Primaire
## 1 2 3
## Secondaire
## 4
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,HHHEdu)
##
## PDM 2021 not available (only NAs)
expss::val_lab(Burkina_pdm_2021$HHHEdu)
## NULL
Burkina_pdm_2021$HHHEdu<-as.factor(Burkina_pdm_2021$HHHEdu)
#TransfBenef
#view(table(Burkina_baseline_2018$TransfBenef))
#No observations
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0))
Burkina_baseline_2018$TransfBenef <- labelled::labelled(Burkina_baseline_2018$TransfBenef, c(Oui = 1, `Non` = 0))
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,TransfBenef)
expss::val_lab(Burkina_ea_2019$TransfBenef)
## Oui Non
## 1 2
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0))
Burkina_ea_2019$TransfBenef <- labelled::labelled(Burkina_ea_2019$TransfBenef, c(Oui = 1, `Non` = 0))
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,TransfBenef)
expss::val_lab(Burkina_ea_2019$TransfBenef)
## Oui Non
## 1 0
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,TransfBenef)
expss::val_lab(Burkina_ea_2019$TransfBenef)
## Oui Non
## 1 0
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0))
Burkina_ea_2020$TransfBenef <- labelled::labelled(Burkina_ea_2020$TransfBenef, c(Oui = 1, `Non` = 0))
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,TransfBenef)
expss::val_lab(Burkina_ea_2020$TransfBenef)
## Oui Non
## 1 0
#view(table(Burkina_ea_2021$TransfBenef))
#No observations
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0,
.default = 1))
Burkina_ea_2021$TransfBenef <- labelled::labelled(Burkina_ea_2021$TransfBenef, c(Oui = 1, `Non` = 0))
#view(table(Burkina_ea_2022$TransfBenef))
#No observations
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0))
Burkina_ea_2022$TransfBenef <- labelled::labelled(Burkina_ea_2022$TransfBenef, c(Oui = 1, `Non` = 0))
#view(table(Burkina_pdm_2021$TransfBenef))
#No observations
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate(TransfBenef = dplyr::recode(TransfBenef,
"1"=1,
"2"=0))
Burkina_pdm_2021$TransfBenef <- labelled::labelled(Burkina_pdm_2021$TransfBenef, c(Oui = 1, `Non` = 0))
# Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
# 1 2 3 4 5
expss::val_lab(Burkina_baseline_2018$HHHMatrimonial)
## Mari?(e) monogame Mari?(e) polygame Divorc?(e) Veuf/Veuve
## 1 2 3 4
## C?libataire Concubinage
## 5 6
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5, "6"=5))
Burkina_baseline_2018$HHHMatrimonial <- labelled::labelled(Burkina_baseline_2018$HHHMatrimonial, c(Monogame = 1, `Polygame` = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Burkina_baseline_2018$HHHMatrimonial)
## Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
## 1 2 3 4 5
Burkina_baseline_2018 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
##Burkina_pdm_2019
expss::val_lab(Burkina_ea_2019$HHHMatrimonial)
## Marié monogame Marié polygame Divorcé Veuf/Veuve Célibataire
## 1 2 3 4 5
## Concubinage
## 6
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=5))
Burkina_ea_2019$HHHMatrimonial <- labelled::labelled(Burkina_ea_2019$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Burkina_ea_2019$HHHMatrimonial)
## Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
## 1 2 3 4 5
Burkina_ea_2019 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
#no observations
expss::val_lab(Burkina_ea_2020$HHHMatrimonial)
## Marié monogame Marié polygame Divorcé /Séparé Veuf/Veuve Célibataire
## 1 2 3 4 5
Burkina_ea_2020$HHHMatrimonial<-as.factor(Burkina_ea_2020$HHHMatrimonial)
Burkina_ea_2020 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
expss::val_lab(Burkina_ea_2021$HHHMatrimonial)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5))
Burkina_ea_2021$HHHMatrimonial <- labelled::labelled(Burkina_ea_2021$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Burkina_ea_2021$HHHMatrimonial)
## Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
## 1 2 3 4 5
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
expss::val_lab(Burkina_pdm_2021$HHHMatrimonial)
## NULL
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5))
Burkina_pdm_2021$HHHMatrimonial <- labelled::labelled(Burkina_pdm_2021$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Burkina_pdm_2021$HHHMatrimonial)
## Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
## 1 2 3 4 5
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
#no observations
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,HHHMatrimonial, show.na = T)
Burkina_ea_2022$HHHMatrimonial<-as.factor(Burkina_ea_2022$HHHMatrimonial)
expss::val_lab(Burkina_baseline_2018$HHSourceIncome)
## Agriculture vivrière et de rente
## 1
## Elevage de gros bétail et produits dérivés
## 2
## Elevage de bétail de taille moyenne
## 3
## Elevage de volaille
## 4
## Maraîchage
## 5
## Artisanat
## 6
## Ressources forestières
## 7
## Pêche
## 8
## Commerce de produits alimentaire
## 9
## Commerce informel/ambulant
## 10
## Transport (y compris taxi-moto)
## 11
## Travail spécialisé (maçon, peintre, menuisier, etc.)
## 12
## Travail journalier non agricole
## 13
## Salarié/Contractuel
## 14
## Retraité/Pensionnaire
## 15
## Transferts d'argent
## 16
## Dons/Aides
## 17
## Chasse/cueillette
## 18
## Autres
## 19
#expss::val_lab(Burkina_pdm_2019$HHSourceIncome)
expss::val_lab(Burkina_ea_2019$HHSourceIncome) #No observations
## NULL
expss::val_lab(Burkina_ea_2020$HHSourceIncome)
## NULL
expss::val_lab(Burkina_ea_2021$HHSourceIncome) #No observations
## NULL
expss::val_lab(Burkina_pdm_2021$HHSourceIncome) #No observations
## NULL
expss::val_lab(Burkina_ea_2022$HHSourceIncome) #No observations
## NULL
#View(table(Burkina_baseline_2018$DebutAssistance))
#No observations
Burkina_baseline_2018$DebutAssistance<-as.Date(Burkina_baseline_2018$DebutAssistance)
#No observations
#View(table(Burkina_ea_2019$DebutAssistance))
Burkina_ea_2019$DebutAssistance<-as.Date(Burkina_ea_2019$DebutAssistance)
#Burkina_pdm_2019
#View(table(Burkina_ea_2020$DebutAssistance))
Burkina_ea_2020$DebutAssistance<-as.Date(Burkina_ea_2020$DebutAssistance)
#View(table(Burkina_ea_2021$DebutAssistance))
Burkina_ea_2021$DebutAssistance<-as.Date(Burkina_ea_2021$DebutAssistance)
#No observations
#View(table(Burkina_pdm_2021$DebutAssistance))
Burkina_pdm_2021$DebutAssistance<-as.factor(Burkina_pdm_2021$DebutAssistance)
#View(table(Burkina_ea_2022$DebutAssistance))
Burkina_ea_2022$DebutAssistance<-as.Date(Burkina_ea_2022$DebutAssistance)
expss::val_lab(Burkina_baseline_2018$DateDerniereAssist)
## NULL
Burkina_baseline_2018 <-
Burkina_baseline_2018 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"other"=NA_real_))
Burkina_baseline_2018$DateDerniereAssist <- labelled::labelled(Burkina_baseline_2018$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
#expss::val_lab(Burkina_pdm_2019$DateDerniereAssist)
expss::val_lab(Burkina_ea_2019$DateDerniereAssist)
## NULL
Burkina_ea_2019 <-
Burkina_ea_2019 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"other"=NA_real_))
Burkina_ea_2019$DateDerniereAssist <- labelled::labelled(Burkina_ea_2019$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
expss::val_lab(Burkina_ea_2020$DateDerniereAssist)
## NULL
Burkina_ea_2020 <-
Burkina_ea_2020 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"other"=NA_real_))
Burkina_ea_2020$DateDerniereAssist <- labelled::labelled(Burkina_ea_2020$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
expss::val_lab(Burkina_ea_2021$DateDerniereAssist)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"other"=NA_real_))
Burkina_ea_2021$DateDerniereAssist <- labelled::labelled(Burkina_ea_2021$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
expss::val_lab(Burkina_ea_2021$DateDerniereAssist)
## moins d’une semaine entre 1 et 3 semaines plus de 3 semaines
## 1 2 3
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
expss::val_lab(Burkina_ea_2022$DateDerniereAssist)
## entre 1 et 3 semaines plus de 3 semaines Other
## 0 0 0
## Moins d'une semaine
## 0
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Burkina_ea_2022 <-
Burkina_ea_2022 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"other"=NA_real_))
Burkina_ea_2022$DateDerniereAssist <- labelled::labelled(Burkina_ea_2022$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
expss::val_lab(Burkina_ea_2022$DateDerniereAssist)
## moins d’une semaine entre 1 et 3 semaines plus de 3 semaines
## 1 2 3
Burkina_ea_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Burkina_pdm_2021 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
expss::val_lab(Burkina_pdm_2021$DateDerniereAssist)
## NULL
Burkina_pdm_2021 <-
Burkina_pdm_2021 %>% dplyr::mutate(DateDerniereAssist = dplyr::recode(DateDerniereAssist,"1"=1,"2"=2,"3"=3,"245"=3, "other"=NA_real_))
Burkina_pdm_2021$DateDerniereAssist <- labelled::labelled(Burkina_pdm_2021$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
var_type_assistance = c("BanqueCerealiere",
"VivreContreTravail",
"ArgentContreTravail",
"ArgentetVivreContreTravail",
"DistribVivresSoudure",
"DistribArgentSoudure",
"BoursesAdo",
"BlanketFeedingChildren",
"BlanketFeedingWomen",
"MAMChildren",
"MASChildren",
"MAMPLWomen",
"FARNcommunaut",
"FormationRenfCapacite",
"CashTransfert",
"CantineScolaire",
"AutreTransferts"
)
#1=Oui, PAM 2=Oui, Autre 3=NSP
labels_var_type_assistance <- c(`Oui, PAM` = 1, `Oui, Autre` = 2, `NSP` = 3, `NA` = NA)
#Burkina_baseline_2018
#No observations
# df <-Burkina_baseline_2018 %>%
# dplyr::select(var_type_assistance)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"1" = 0,
"2" = 1,
"3" = 3
)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_baseline_2018$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
#Burkina_pdm_2019
#Burkina_ea_2019
# df <-Burkina_ea_2019 %>%
# dplyr::select(var_type_assistance)
#No observations
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"1" = 1,
"2" = 2,
"3" = 3
)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_ea_2019$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
#Burkina_ea_2020
# df <-Burkina_ea_2020 %>%
# dplyr::select(var_type_assistance)
expss::val_lab(Burkina_ea_2020$BanqueCerealiere)
## PAM Autre Ne sait pas
## 1 2 3
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"1" = 1,
"2" = 2,
"3" = 3
)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_ea_2020$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
#Burkina_ea_2021
# df <-Burkina_ea_2021 %>%
# dplyr::select(var_type_assistance)
Burkina_ea_2021 <- Burkina_ea_2021 %>% mutate(across(var_type_assistance,
~recode(.,
.default = 0)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"0" = 1,
"2" = 2,
"3" = 3
)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_ea_2021$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
# df <-Burkina_pdm_2021 %>%
# dplyr::select(var_type_assistance)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"1" = 1,
"2" = 2,
"3" = 3
)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_pdm_2021$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
# df <-Burkina_ea_2022 %>%
# dplyr::select(var_type_assistance)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(var_type_assistance,
~recode(.,
"1" = 1,
"2" = 2,
"3" = 3
)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
mutate(across(all_of(var_type_assistance),
~labelled(., labels = labels_var_type_assistance)))
expss::val_lab(Burkina_ea_2022$BanqueCerealiere)
## Oui, PAM Oui, Autre NSP NA
## 1 2 3 NA
var_epargne = c("ExistGroupeEpargne",
"MembreGroupeEpargne",
"EpargneAvantPam",
"EpargneSansPam",
"PossibilitePret",
"AutreSourcePret",
"EpargnePieds"
)
#1=Oui 0=Non 888= Ne sait pas
labels_var_epargne<- c(`Oui` = 1, `Non` = 0, `Ne sait pas` = 888,`NA` = NA)
#Burkina_baseline_2018
#No observations
# df <-Burkina_baseline_2018 %>%
# dplyr::select(var_epargne)
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"0" = 0,
"1" = 1,
"888" = 888,
"8888" = 0
)))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_baseline_2018$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
#Burkina_pdm_2019
#Burkina_ea_2019
# df <-Burkina_ea_2019 %>%
# dplyr::select(var_epargne)
#No observations
Burkina_ea_2019 <- Burkina_ea_2019 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"1" = 1,
"0" = 0,
"888"= 888,
"8888" = 0
)))
Burkina_ea_2019 <- Burkina_ea_2019 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_ea_2019$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
#Burkina_ea_2020
# df <-Burkina_ea_2020 %>%
# dplyr::select(var_epargne)
expss::val_lab(Burkina_ea_2020$MembreGroupeEpargne)
## NULL
Burkina_ea_2020 <- Burkina_ea_2020 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"1" = 1,
"2" = 0,
"888" = 888,
"8888" = 0
)))
Burkina_ea_2020 <- Burkina_ea_2020 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_ea_2020$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
#Burkina_ea_2021
# df <-Burkina_ea_2021 %>%
# dplyr::select(var_epargne)
Burkina_ea_2021 <- Burkina_ea_2021 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"1" = 1,
"2" = 0,
"888" = 888,
"8888"=0
)))
Burkina_ea_2021 <- Burkina_ea_2021 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_ea_2021$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
# df <-Burkina_pdm_2021 %>%
# dplyr::select(var_epargne)
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"1" = 1,
"0" = 0,
"888" = 888,
"8888"=0
)))
Burkina_pdm_2021 <- Burkina_pdm_2021 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_pdm_2021$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
# df <-Burkina_ea_2022 %>%
# dplyr::select(var_epargne)
Burkina_ea_2022 <- Burkina_ea_2022 %>%
dplyr::mutate(across(var_epargne,
~recode(.,
"1" = 1,
"2" = 0,
"888" = 888,
"8888"=0
)))
Burkina_ea_2022 <- Burkina_ea_2022 %>%
mutate(across(all_of(var_epargne),
~labelled(., labels = labels_var_epargne)))
expss::val_lab(Burkina_ea_2022$MembreGroupeEpargne)
## Oui Non Ne sait pas NA
## 1 0 888 NA
##not modality for these variables
expss::val_lab(Burkina_ea_2021$HHHMainActivity)
## NULL
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHMainActivity)
Burkina_ea_2021 <-
Burkina_ea_2021 %>% dplyr::mutate(HHHMainActivity = dplyr::recode(HHHMainActivity,
"1"=1,"2"=2,"3"=3,
"4"=4, "5"=5,"6"=6,
"7"=7, "8"=8, "9"=9,
"10"=10, "11"=11, "12"=12,
"13"=13))
Burkina_ea_2021 %>%
plot_frq(coord.flip =T,HHHMainActivity)
Burkina_ea_2021$HHHMainActivity <- as_numeric(Burkina_ea_2021$HHHMainActivity)
expss::val_lab(Burkina_ea_2021$HHHMainActivity)
## NULL
Burkina_pdm_2021 <- Burkina_pdm_2021 %>% dplyr::mutate(HHHMainActivity = as_factor(HHHMainActivity))
Burkina_ea_2022 <- Burkina_ea_2022 %>% dplyr::mutate(HHHMainActivity = as_factor(HHHMainActivity))
Burkina_ea_2020 <- Burkina_ea_2020 %>% dplyr::mutate(HHHMainActivity = as_factor(HHHMainActivity))
Burkina_baseline_2018 <- Burkina_baseline_2018 %>% dplyr::mutate(HHHMainActivity = as_factor(HHHMainActivity))
Burkina_ea_2019 <- Burkina_ea_2019 %>% dplyr::mutate(HHHMainActivity = as_factor(HHHMainActivity))
WFP_BFA<-plyr::rbind.fill(Burkina_baseline_2018,
#Burkina_pdm_2019,
Burkina_ea_2019,
Burkina_ea_2020,
Burkina_ea_2021,
Burkina_pdm_2021,
Burkina_ea_2022)
WFP_BFA$ID<-as.numeric(WFP_BFA$ID)
WFP_BFA$Longitude<-as.numeric(WFP_BFA$Longitude)
WFP_BFA$Latitude<-as.numeric(WFP_BFA$Latitude)
WFP_BFA$Longitude_precision<-as.numeric(WFP_BFA$Longitude_precision)
WFP_BFA$Latitude_precision<-as.numeric(WFP_BFA$Latitude_precision)
WFP_BFA$DebutAssistance<-as.Date(WFP_BFA$DebutAssistance)
WFP_BFA$SvyDatePDM <-as.Date(WFP_BFA$SvyDatePDM)
WFP_BFA$HHHAge<-as.numeric(WFP_BFA$HHHAge)
WFP_BFA <- WFP_BFA %>% filter(HHHSex != 19632773)
WFP_BFA$MAD_dob <-as_date(WFP_BFA$MAD_dob)
WFP_BFA$MAD_sex <- labelled::labelled(WFP_BFA$MAD_sex, c(`Homme`= 1, `Femme`=0))
WFP_BFA$FCSPrSRf <- as_numeric(WFP_BFA$FCSPrSRf)
WFP_BFA$FCSPrSRf <- labelled::labelled(WFP_BFA$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2,`Cueillette` = 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7, `Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
#check labels
expss::val_lab(WFP_BFA$FCSPrSRf)
## Production propre (récoltes, élevage)
## 1
## Pêche / Chasse
## 2
## Cueillette
## 3
## Prêts
## 4
## Marché (achat avec des espèces)
## 5
## Marché (achat à crédit)
## 6
## Mendicité
## 7
## Troc travail ou biens contre des aliments
## 8
## Dons (aliments) de membres de la famille ou d’amis
## 9
## Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc
## 10
WFP_BFA %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#MigrationEmploi
WFP_BFA$MigrationEmploi <- as_numeric(WFP_BFA$MigrationEmploi)
WFP_BFA$MigrationEmploi <-
labelled::labelled(WFP_BFA$MigrationEmploi, c(`Oui` = 1, `Non` = 0))
expss::val_lab(WFP_BFA$MigrationEmploi)
## Oui Non
## 1 0
#NbMigrants
WFP_BFA$NbMigrants <- as_numeric(WFP_BFA$NbMigrants)
#RaisonMigration
WFP_BFA$RaisonMigration <- as_numeric(WFP_BFA$RaisonMigration)
WFP_BFA$RaisonMigration <-
labelled::labelled(
WFP_BFA$RaisonMigration,
c(`Recherche d’opportunités économiques` = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`
=2,
`Accès aux services de base (santé, éducation…)` = 3,
`Difficultés alimentaires conjoncturelles` = 4,
`Uniquement en année de crise alimentaire` = 5,
`La migration fait désormais partie des moyens d’existence classique`
= 6,
`Guerre/conflit` = 7,
`Violence ciblée ou persécution` = 8,
`Autres à préciser` = 9))
expss::val_lab(WFP_BFA$RaisonMigration)
## Recherche d’opportunités économiques
## 1
## Catastrophes naturelles (par ex., inondations, sécheresse, etc.)
## 2
## Accès aux services de base (santé, éducation…)
## 3
## Difficultés alimentaires conjoncturelles
## 4
## Uniquement en année de crise alimentaire
## 5
## La migration fait désormais partie des moyens d’existence classique
## 6
## Guerre/conflit
## 7
## Violence ciblée ou persécution
## 8
## Autres à préciser
## 9
#AutreRaisonEconomiques
WFP_BFA$AutreRaisonEconomiques <- as_numeric(WFP_BFA$AutreRaisonEconomiques)
WFP_BFA$AutreRaisonEconomiques <-
labelled::labelled(
WFP_BFA$AutreRaisonEconomiques,
c(
`Affaires (marché, vente/achat)` = 1,
`Déplacements quotidiens/hebdomadaires pour le travail` = 2,
`Activité agricole et pastorale (transhumance, migration
saisonnière)` = 3,
`Recherche d'opportunités d'emploi à l'étranger` = 4,
`Autre, précisez` = 5
))
expss::val_lab(WFP_BFA$AutreRaisonEconomiques)
## Affaires (marché, vente/achat)
## 1
## Déplacements quotidiens/hebdomadaires pour le travail
## 2
## Activité agricole et pastorale (transhumance, migration \n saisonnière)
## 3
## Recherche d'opportunités d'emploi à l'étranger
## 4
## Autre, précisez
## 5
#RaisonAccesServices
WFP_BFA$RaisonAccesServices <- as_numeric(WFP_BFA$RaisonAccesServices)
WFP_BFA$RaisonAccesServices <-
labelled::labelled(
WFP_BFA$RaisonAccesServices,
c(
`Accès à la nourriture, à l'eau` = 1,
`L''accès aux services de base (éducation primaire, soins de santé
primaires)` = 2,
`Accès aux services humanitaires` = 3,
`Enseignement supérieur (lycée et niveaux supérieurs)` = 4,
`Santé (soins médicaux spécialisés)` = 5,
`Autres services (préciser)` = 6
))
expss::val_lab(WFP_BFA$RaisonAccesServices)
## Accès à la nourriture, à l'eau
## 1
## L''accès aux services de base (éducation primaire, soins de santé \n primaires)
## 2
## Accès aux services humanitaires
## 3
## Enseignement supérieur (lycée et niveaux supérieurs)
## 4
## Santé (soins médicaux spécialisés)
## 5
## Autres services (préciser)
## 6
#DestinationMigration
WFP_BFA$DestinationMigration <- as_numeric(WFP_BFA$DestinationMigration)
WFP_BFA$DestinationMigration <-
labelled::labelled(
WFP_BFA$DestinationMigration,
c(`Ville/Capitale` = 1,
`Un autre pays d’Afrique` = 2,
`Hors Afrique` = 3))
expss::val_lab(WFP_BFA$DestinationMigration)
## Ville/Capitale Un autre pays d’Afrique Hors Afrique
## 1 2 3
# DureeMigration
WFP_BFA$DureeMigration <- as_numeric(WFP_BFA$DureeMigration)
WFP_BFA$DureeMigration <-
labelled::labelled(
WFP_BFA$DureeMigration,
c(`Moins d’un mois ` = 1,
`1 à 3 mois` = 2,
`3 à 6 mois` = 3,
`6 à 9 mois` = 4,
`10 à 12 mois` = 5,
`Plus de 12 mois` = 6))
expss::val_lab(WFP_BFA$DureeMigration)
## Moins d’un mois 1 à 3 mois 3 à 6 mois 6 à 9 mois
## 1 2 3 4
## 10 à 12 mois Plus de 12 mois
## 5 6
# TendanceMigration
WFP_BFA$TendanceMigration <- as_numeric(WFP_BFA$TendanceMigration)
WFP_BFA$TendanceMigration <-
labelled::labelled(
WFP_BFA$TendanceMigration,
c(`Beaucoup augmenté` = 1,
`Légèrement augmenté` = 2,
`Stable` = 3,
`Beaucoup baissé` = 4,
`Légèrement baissé` = 5,
`Ne sait pas` = 6))
expss::val_lab(WFP_BFA$TendanceMigration)
## Beaucoup augmenté Légèrement augmenté Stable Beaucoup baissé
## 1 2 3 4
## Légèrement baissé Ne sait pas
## 5 6
#RaisonHausseMig
WFP_BFA$RaisonHausseMig <- as_numeric(WFP_BFA$RaisonHausseMig)
WFP_BFA$RaisonHausseMig <-
labelled::labelled(
WFP_BFA$RaisonHausseMig,
c(
`Difficultés alimentaires conjoncturelles` = 1,
`Manque d’opportunités économiques` = 2,
`Dégradation de l’environnement (pertes de bétail, baisse de la
production et du rendement à cause de la sécheresse, et des faibles
précipitations, etc.)` = 3,
`La migration fait désormais partie des moyens d’existence classique`
= 4,
`Autres à préciser` = 5
))
expss::val_lab(WFP_BFA$RaisonHausseMig)
## Difficultés alimentaires conjoncturelles
## 1
## Manque d’opportunités économiques
## 2
## Dégradation de l’environnement (pertes de bétail, baisse de la \n production et du rendement à cause de la sécheresse, et des faibles \n précipitations, etc.)
## 3
## La migration fait désormais partie des moyens d’existence classique
## 4
## Autres à préciser
## 5
#RaisonBaisseMig
WFP_BFA$RaisonBaisseMig <- as_numeric(WFP_BFA$RaisonBaisseMig)
WFP_BFA$RaisonBaisseMig <-
labelled::labelled(
WFP_BFA$RaisonBaisseMig,
c(
`Moins d’opportunités économiques ou insécurité au Nigéria ou en
Lybie` = 1,
`Voyage vers la Lybie/ Nigeria devenu trop dangereux/ couteux` = 2,
`Les ménages pauvres ont accès à une assistance régulière/ les bras
valides sont occupés par les travaux FFA` = 3,
`La situation alimentaire générale du village s’est améliorée` = 4,
`La migration fait désormais partie des moyens d’existence classique`
= 5,
`Emergence d’opportunités économiques grâce aux actifs
créés/réhabilités` = 6,
`Autres à préciser` = 7
))
expss::val_lab(WFP_BFA$RaisonBaisseMig)
## Moins d’opportunités économiques ou insécurité au Nigéria ou en \n Lybie
## 1
## Voyage vers la Lybie/ Nigeria devenu trop dangereux/ couteux
## 2
## Les ménages pauvres ont accès à une assistance régulière/ les bras \n valides sont occupés par les travaux FFA
## 3
## La situation alimentaire générale du village s’est améliorée
## 4
## La migration fait désormais partie des moyens d’existence classique
## 5
## Emergence d’opportunités économiques grâce aux actifs \n créés/réhabilités
## 6
## Autres à préciser
## 7
WFP_BFA$ABISexparticipant <-as.numeric(WFP_BFA$ABISexparticipant)
WFP_BFA$ABISexparticipant <- labelled::labelled(WFP_BFA$ABISexparticipant,c(`Homme` = 1, `Femme` = 0))
expss::val_lab(WFP_BFA$ABISexparticipant)
## Homme Femme
## 1 0
WFP_BFA %>%
plot_frq(coord.flip =T,ABISexparticipant, show.na = T)
# HHHMainActivity
WFP_BFA$HHHMainActivity <- as_factor(WFP_BFA$HHHMainActivity)
WFP_BFA$HHHMainActivity <- labelled::labelled(WFP_BFA$HHHMainActivity, c(Salarié = 1, `Agriculteur` = 2, `Eleveur` = 3, `Ouvrier journalier` = 4, `Commerce` = 5, `Ménagère` = 6, `Marabout` = 7, `Artisanat` = 8, `Chasse/Peche` = 9, `Recolte bois/Paille` = 10, `Retraité` = 11, `Sans emploi` = 12, `Autre à préciser` = 13 ))
Actifcreesrehabi_var <- c("Actifcreesrehabi_1", "Actifcreesrehabi_2", "Actifcreesrehabi_3")
WFP_BFA <- WFP_BFA %>% mutate(across(Actifcreesrehabi_var, as.numeric))
WFP_BFA <- WFP_BFA %>%
dplyr::mutate(across(Actifcreesrehabi_var,
~labelled(., labels = c(
"Non" = 0,
"Oui" = 1
)
)))
expss::val_lab(WFP_BFA$Actifcreesrehabi_1)
## Non Oui
## 0 1
WFP_BFA.sub<- WFP_BFA %>% dplyr::select(ID,adm0_ocha,ADMIN0Name,adm1_ocha,ADMIN1Name,adm2_ocha,ADMIN2Name,SURVEY,YEAR,SvyDatePDM,HHHSex ,HHHAge, HHHEdu,everything())
WFP_BFA <- copy_labels(WFP_BFA.sub, WFP_BFA)
HHvar <- c("HHSize","HHSize05M","HHSize23M","HHSize59M","HHSize5114M","HHSize1549M","HHSize5064M","HHSize65AboveM","HHSize05F","HHSize23F","HHSize59F","HHSize5114F","HHSize1549F","HHSize5064F","HHSize65AboveF")
WFP_BFA <- WFP_BFA %>% mutate(across(HHvar, as.numeric))
var_to_drop = c("RESPConsent",
"ADMIN3Name",
"RESPAge",
"RESPSex",
"RelationWith_HHH",
"MAD_module",
"HHHMainActivity",
#"HHHMatrimonial",
"HHSourceIncome"
)
WFP_BFA <- WFP_BFA %>% dplyr::select(-var_to_drop)
#Labélisation
var_label(WFP_BFA$ID) <- "Identifiant de l'enquêté"
var_label(WFP_BFA$adm1_ocha) <- "Admin 1 ID"
var_label(WFP_BFA$ADMIN1Name) <- "Decoupage administrative 1"
var_label(WFP_BFA$ADMIN2Name) <- "Decoupage administrative 2"
var_label(WFP_BFA$adm2_ocha) <- "Admin 2 ID"
var_label(WFP_BFA$SURVEY) <- "Type d'enquête"
var_label(WFP_BFA$YEAR) <- "Année de l'enquête"
var_label(WFP_BFA$SvyDatePDM) <- "Date de l’Interview"
var_label(WFP_BFA$HHHSex) <- "Sexe du chef du ménage"
var_label(WFP_BFA$HHHAge) <- "Age du chef du ménage"
var_label(WFP_BFA$HHHEdu) <- "Niveau d'éducation atteint par le chef de ménage"
var_label(WFP_BFA$Longitude) <- "Longitude"
var_label(WFP_BFA$Latitude) <- "Latitude"
#var_label(WFP_BFA$HHHMainActivity) <- "Activité principale"
var_label(WFP_BFA$HHHMatrimonial) <- "Situation matrimoniale du chef de ménage"
var_label(WFP_BFA$HHHMatrimonial) <- "Situation matrimoniale"
var_label(WFP_BFA$HHSize) <- "Taille du ménage"
var_label(WFP_BFA$HHSize05M) <- "Nombre de filles de 0 à 5 mois"
var_label(WFP_BFA$HHSize23M) <- "Nombre de filles de 6 à 23 mois"
var_label(WFP_BFA$HHSize59M) <- "Nombre de filles de 24 à 59 mois"
var_label(WFP_BFA$HHSize5114M) <- "Nombre de filles de 5 à 14 ans mois"
var_label(WFP_BFA$HHSize1549M) <- "Nombre de filles de 15 à 49 ans mois"
var_label(WFP_BFA$HHSize5064M) <- "Nombre de filles de 50 à 64 ans mois"
var_label(WFP_BFA$HHSize65AboveM) <- "Nombre de filles de 65 ans ou plus"
var_label(WFP_BFA$HHSize05F) <- "Nombre de filles de 0 à 5 mois"
var_label(WFP_BFA$HHSize23F) <- "Nombre de filles de 6 à 23 mois"
var_label(WFP_BFA$HHSize59F) <- "Nombre de filles de 24 à 59 mois"
var_label(WFP_BFA$HHSize5114F) <- "Nombre de filles de 5 à 14 ans mois"
var_label(WFP_BFA$HHSize1549F) <- "Nombre de filles de 15 à 49 ans mois"
var_label(WFP_BFA$HHSize5064F) <- "Nombre de filles de 50 à 64 ans mois"
var_label(WFP_BFA$HHSize65AboveF) <- "Nombre de filles de 65 ans ou plus"
var_label(WFP_BFA$FCSStap) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des céréales et tubercules"
var_label(WFP_BFA$FCSStapSRf) <- "la source principale des céréales et tubercules au cours des 7 derniers jours"
var_label(WFP_BFA$FCSPulse) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Légumineuses"
var_label(WFP_BFA$FCSPulseSRf) <- "la source principale des Légumineuses au cours des 7 derniers jours"
var_label(WFP_BFA$FCSDairy) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé/bu du Lait et produits laitiers"
var_label(WFP_BFA$FCSDairySRf) <- "la source principale du lait et des produits laitiers au cours des 7 derniers jours"
var_label(WFP_BFA$FCSPr) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé de la Viande, poisson et œufs"
var_label(WFP_BFA$FCSPrSRf) <- "la source principale de la viande, poisson, œufs au cours des 7 derniers jours"
var_label(WFP_BFA$FCSPrMeatF) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé de la Chair/viande rouge"
var_label(WFP_BFA$FCSPrMeatO) <- "la source principale de la Viande d'organe au cours des 7 derniers jours"
var_label(WFP_BFA$FCSPrFish) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé du Poissons et coquillage"
var_label(WFP_BFA$FCSPrEgg) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Oeufs"
var_label(WFP_BFA$FCSVeg) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Légumes et feuilles"
var_label(WFP_BFA$FCSVegSRf) <- "la source principale des Légumes et feuilles au cours des 7 derniers jours"
var_label(WFP_BFA$FCSVegOrg) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Légumes oranges (légumes riches en Vitamine A)"
var_label(WFP_BFA$FCSVegGre) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Légumes à feuilles vertes"
var_label(WFP_BFA$FCSFruit) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Fruits"
var_label(WFP_BFA$FCSFruitSRf) <- "la source principale des fruits au cours des 7 derniers jours"
var_label(WFP_BFA$FCSFruitOrg) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Fruits oranges (Fruits riches en Vitamine A)"
var_label(WFP_BFA$FCSFat) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé des Huiles et graisses"
var_label(WFP_BFA$FCSFatSRf) <- "la source principale des Huiles et graisses au cours des 7 derniers jours"
var_label(WFP_BFA$FCSSugar) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé/buvé du sucre ou sucreries"
var_label(WFP_BFA$FCSSugarSRf) <- "la source principale du sucre ou sucreries au cours des 7 derniers jours"
var_label(WFP_BFA$FCSCond) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage ont mangé/buvé des condiments/épices"
var_label(WFP_BFA$FCSCondSRf) <- "la source principale des condiments/épices au cours des 7 derniers jours"
var_label(WFP_BFA$DebutAssistance) <- "Depuis quand le ménage est-il bénéficiaire de l’assistance FFA/CFA du PAM ?"
var_label(WFP_BFA$DateDerniereAssist) <- "Dernière assistance reçue du PAM "
var_label(WFP_BFA$TransfBenef) <- "Le ménage, ou un membre de votre ménage, a-t-il bénéficié au cours des 12 derniers mois de ..."
var_label(WFP_BFA$BanqueCerealiere) <- "Banque céréalière"
var_label(WFP_BFA$VivreContreTravail) <- "Vivre contre travail/ Food assistance for asset"
var_label(WFP_BFA$ArgentContreTravail) <- "Argent contre travail/ Cash assistance for asset"
var_label(WFP_BFA$DistribVivresSoudure) <- "Distribution gratuite de vivres (p. ex. pendant la période de soudure)"
var_label(WFP_BFA$DistribArgentSoudure) <- "Distribution gratuite d’argent (p.ex. pendant la période de soudure)"
var_label(WFP_BFA$BoursesAdo) <- "Bourses scolaires pour adolescentes"
var_label(WFP_BFA$BlanketFeedingChildren) <- "Blanket feeding - NSPAMM (enfants 6 -23 mois)"
var_label(WFP_BFA$BlanketFeedingWomen) <- "Blanket feeding-NSPAMM (Femmes enceintes et allaitantes)"
var_label(WFP_BFA$ArgentetVivreContreTravail) <- "Argent vivre contre travail/ Cash assistance for asset"
var_label(WFP_BFA$MASChildren) <- "Prise en charge malnutrition aigüe sévère des enfants de 6 à 59 mois au niveau du centre de santé"
var_label(WFP_BFA$MAMChildren) <- "Prise en charge malnutrition aigüe modérée des enfants de 6 à 59 mois au niveau du centre de santé"
var_label(WFP_BFA$MAMPLWomen) <- "Prise en charge malnutrition aigüe femme enceinte ou allaitante au niveau du centre de santé"
var_label(WFP_BFA$FARNcommunaut) <- "FARN/ nutrition communautaire"
var_label(WFP_BFA$FormationRenfCapacite) <- "Formation/renforcement de capacités"
var_label(WFP_BFA$CashTransfert) <- "Cash transfert (filets sociaux ou autres structures)"
var_label(WFP_BFA$CantineScolaire) <- "Cantine scolaire pour les enfants ou take home ration"
var_label(WFP_BFA$AutreTransferts) <- "Autres à préciser"
var_label(WFP_BFA$ExistGroupeEpargne) <- "Groupe d'épargne et de crédit ou une tontine"
var_label(WFP_BFA$MembreGroupeEpargne) <- "Est-ce que vous ou un autre membre du ménage êtes membre de ce groupe ?"
var_label(WFP_BFA$EpargneAvantPam) <- "Participation à une tontine ou un groupe d‘épargne et de crédit avant d’être bénéficiaires du PAM"
var_label(WFP_BFA$EpargneSansPam) <- "Participation à cette tontine ou groupe d’épargne et de crédit en l'absence de l’assistance du PAM"
var_label(WFP_BFA$PossibilitePret) <- "Possibilité d’avoir un prêt à partir de la tontine ou du groupe d’épargne et de crédit en cas de besoin d'argent"
var_label(WFP_BFA$AutreSourcePret) <- "Possibilité d’avoir un prêt à partir d’une autre source en cas de besoin d'argent"
var_label(WFP_BFA$EpargnePieds) <- "Bétail acheté pour la vente de vos récoltes qui peut servir cas difficultés économiques ou financières"
var_label(WFP_BFA$SERSRebondir) <- "Votre ménage peut rebondir à tout défi d’ordre climatique, économique ou lié aux troubles sociopolitiques que la vie pourrait lui lancer"
var_label(WFP_BFA$SERSRevenue) <- "S’il est affecté par un problème d’ordre climatique, économique ou lié aux troubles sociopolitiques, Votre ménage pourra changer ou adapter sa source de revenu primaire pour faire face aux difficultés que les autres membres de votre communauté"
var_label(WFP_BFA$SERSMoyen) <- "Si les menaces d’ordre climatique, économique ou lié aux troubles sociopolitiques pesant sur votre ménage devenaient plus fréquentes et intenses, vous trouveriez toujours un moyen de s’en sortir"
var_label(WFP_BFA$SERSDifficultes) <- "Votre ménage pourrait accéder facilement à l’appui financier dont il aurait besoin s’il est affecté par un problème d’ordre climatique, économique ou lié aux troubles sociopolitiques, qui lui causerait des difficultés"
var_label(WFP_BFA$SERSSurvivre) <- "Votre ménage peut s'offrir tout ce dont il a besoin pour survivre et prospérer"
var_label(WFP_BFA$SERSFamAmis) <- "En cas de besoins essentiels non satisfaits en raison d'événements/chocs/stress (climatiques OU économiques OU conflits OU autres), votre ménage peut compter sur le soutien de la famille et des amis."
var_label(WFP_BFA$SERSPoliticiens) <- "En cas de besoins essentiels non satisfaits en raison d'événements/chocs/stress (climatiques OU économiques OU conflits OU autres), votre ménage peut compter sur le soutien de l'administration publique/gouvernementale ou d'autres institutions."
var_label(WFP_BFA$SERSLecons) <- "Votre ménage a tiré des leçons importantes des difficultés passées causées par des événements/chocs/stress (climatiques OU économiques OU conflits OU autres) qui vous aident à mieux vous préparer à des menaces similaires dans un avenir proche."
var_label(WFP_BFA$SERSPreparerFuture) <- "Votre ménage est entièrement préparé à tout événement/choc/stress futur (climatique OU économique OU conflit OU autre) qui pourrait se produire dans votre région."
var_label(WFP_BFA$SERSAvertissementEven) <- "Votre ménage reçoit à l'avance des informations l'avertissant de la variabilité future (climatique OU économique OU conflit OU autre) et des risques météorologiques qui l'aident à se préparer et à se protéger des chocs/stress futurs."
var_label(WFP_BFA$ABIParticipation) <- "Vous ou un membre du ménage a-t-il participé aux activités de création d’actifs ?"
var_label(WFP_BFA$ABItransferts) <- "Vous ou un membre du ménage a-t-il reçu un transfert d’une aide alimentaire ?"
var_label(WFP_BFA$Actifcreesrehabi) <- "Ouvrages créés/réhabilité dans la communauté par le programme de résilience"
var_label(WFP_BFA$Actifcreesrehabi_1) <- "Récupération de terres en Demi-lune, banquette, zaï, cordons pierreux, tranchée de reboisement"
var_label(WFP_BFA$Actifcreesrehabi_2) <- "Fixation des dunes"
var_label(WFP_BFA$Actifcreesrehabi_3) <- "Aménagement de mare (surcreusement, faucardage etc.)"
var_label(WFP_BFA$Actifcreesrehabi_other) <- "Autres"
var_label(WFP_BFA$ABISexparticipant) <- "Sexe du participant aux activités de création d’actifs"
var_label(WFP_BFA$ABIProteger) <- "Pensez-vous que les actifs qui ont été créés ou réhabilités dans votre communauté sont de nature à protéger votre ménage, ses biens et ses capacités de production (champs, équipement, etc.) contre les inondations / sécheresse / catastrophes ?"
var_label(WFP_BFA$ABIProduction) <- "Pensez-vous que les actifs qui ont été créés ou réhabilités dans votre communauté ont permis à votre ménage d’augmenter ou de diversifier sa production (agriculture / élevage / autre) ?"
var_label(WFP_BFA$ABIdifficultes) <- "Pensez-vous que les actifs qui ont été créés ou réhabilités dans votre communauté ont diminué les difficultés quotidiennes, réduire la charge et la durée des travaux domestiques : (le temps pour la collecte de l'eau/bois de chauffe, les travaux de puisage d’eau des femmes, préparation de nourriture) ?"
var_label(WFP_BFA$ABIMarches) <- "Pensez-vous que les actifs qui ont été créés ou réhabilités dans votre communauté ont amélioré la capacité des membres de votre ménage à l’accès aux marchés et/ou aux services de base (eau, assainissement, santé, éducation, etc.) ?"
var_label(WFP_BFA$ABIGererActifs) <- "Pensez-vous que les formations et autres formes de soutien dispensés dans votre communauté ont amélioré la capacité de votre ménage pour gérer et maintenir les actifs ?"
var_label(WFP_BFA$ABIEnvironnement) <- "Pensez-vous que les actifs qui ont été construits ou réhabilités dans votre communauté ont amélioré votre environnement naturel (par exemple plus couverture végétale, nappe phréatique augmenté, moins d’érosion, etc.) ?"
var_label(WFP_BFA$ABIutiliseractifs) <- "Pensez-vous que les travaux réalisés dans votre communauté ont restauré votre capacité à accéder et/ou utiliser les actifs ?"
var_label(WFP_BFA$ABITensions) <- "Pensez-vous que les actifs créés/réhabilités ont aidé réduire les tensions au sein sur l'accès et l'utilisation des ressources naturelles dans votre communauté ?"
var_label(WFP_BFA$ActifCreationEmploi) <- "Pensez-vous que les actifs réhabilité/créé ont généré des opportunités d’emploi dans votre communauté ?"
var_label(WFP_BFA$BeneficieEmploi) <- "Est-ce que vous ou un membre de votre ménage a une fois eu la possibilité de travailler grâce aux actifs créés ou réhabilités dans votre communauté ?"
var_label(WFP_BFA$TRavailMaintienActif) <- "Avez-vous ou un membre de votre ménage eu du travail dans le maintien et la gestion des actifs créés ou réhabilités dans votre communauté ?"
var_label(WFP_BFA$MigrationEmploi) <- "Nombre de personnes du ménage ayant migré à la recherche d’un emploi au cours des 12 derniers mois"
var_label(WFP_BFA$NbMigrants) <- "Nombre de personnes du ménage ayant migré ou allé en exode pendant les 12 derniers mois"
var_label(WFP_BFA$RaisonMigration) <- "Principale raison qui a motivé certains membres du ménage à migrer ou à aller en exode"
var_label(WFP_BFA$AutreRaisonEconomiques) <- "Si vous vous déplacez pour la Recherche d’opportunités économiques, quelles sont ces raisons ?"
var_label(WFP_BFA$RaisonAccesServices) <- "Si vous vous déplacez pour accéder à des services de base, quels sont ces services ?"
var_label(WFP_BFA$DestinationMigration) <- "Destinations des migrants membre du ménage ?"
var_label(WFP_BFA$DureeMigration) <- "Nombre de mois d'absence, en moyenne, dans l’année des migrants saisonniers du ménage ?"
var_label(WFP_BFA$TendanceMigration) <- "Comment évaluez-vous la tendance à la migration chez les membres de votre ménage ?"
var_label(WFP_BFA$RaisonHausseMig) <- "Si la tendance est à la hausse, quelle en est la principale raison ?"
var_label(WFP_BFA$RaisonBaisseMig) <- "Si la tendance est à la baisse, quelle en est la principale raison ?"
var_label(WFP_BFA$SCIAideIntraCom) <- "Si votre ménage avait un problème et avait besoin d'une aide urgente (par exemple, de la nourriture, de l'argent, de la main-d'œuvre, du transport, etc.), à qui, DANS CETTE COMMUNAUTÉ, pourriez-vous demander de l'aide ?"
var_label(WFP_BFA$SCIAideDehorsCom) <- "Si votre ménage avait un problème et avait besoin d'une aide urgente (par exemple, de la nourriture, de l'argent, du travail, du transport, etc.), vers qui, en DEHORS DE CE VILLAGE, pourriez-vous vous tourner pour obtenir de l'aide ?"
var_label(WFP_BFA$SCIEvolRessSociales) <- "Par rapport à il y a un an, est-ce que votre capacité à obtenir de l'aide de quelqu'un à l'intérieur ou à l'extérieur de votre village : a) a été améliorée ? ou en dehors de votre village"
var_label(WFP_BFA$SCIPersAAiderCom) <- "Qui, DANS CETTE COMMUNAUTÉ, pourriez-vous aider s'ils avaient besoin d'une aide urgente (par ex. nourriture, argent, travail, transport, etc.) (lisez la liste ; sélectionnez toutes les réponses qui s'appliquent) ?"
var_label(WFP_BFA$SCIPersAAiderEnDehorsCom) <- "Qui, EN DEHORS DE CETTE COMMUNAUTÉ, pourriez-vous aider s'il avait besoin d'une aide urgente (par exemple de la nourriture, de l'argent, du travail, du transport, etc.) (lisez la liste ; sélectionnez toutes les réponses qui s'appliquent) ?"
var_label(WFP_BFA$SCIConMembreGvrnmt) <- "Est-ce que vous ou quelqu'un d'autre dans votre foyer connaît personnellement un élu du gouvernement ?"
var_label(WFP_BFA$SCIPersConMembreGvrnmt) <- "Comment vous (ou un autre membre du foyer) connaissez-vous ce représentant du gouvernement ? Est-il ou est-elle un(e)... (lisez la liste ; sélectionnez toutes les réponses qui s'appliquent) ?"
var_label(WFP_BFA$SCICapAideGvnmt) <- "Pourriez-vous demander au fonctionnaire d'aider votre famille ou votre communauté si une aide était nécessaire ?"
var_label(WFP_BFA$SCIConMembreNGO) <- "Est-ce que vous ou quelqu'un d'autre dans votre foyer connaît personnellement un membre du personnel d'une ONG [OU d'une organisation communautaire, d'une agence des Nations Unies, de la Croix Rouge/Croissant Rouge...] ?"
var_label(WFP_BFA$SCIPersConMembreNGO) <- "Comment connaissez-vous (ou un autre membre du ménage) le membre du personnel de l'[AGENCE] ? Est-il ou est-elle un(e)... ?"
var_label(WFP_BFA$SCIAideAubesoin) <- "Pourriez-vous demander au membre du personnel de [l'AGENCE] d'aider votre famille ou votre communauté si de l'aide était nécessaire ?"
var_label(WFP_BFA$MDDW_resp_age) <- "Âge en années révolues de la femme"
var_label(WFP_BFA$PWMDDWStapCer) <- "Tous les aliments à base de céréales, comme : Mil/sorgho, riz, maïs, pâtes alimentaires (macaronis), couscous, pain, céréales frits, millet etc. ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWStapRoo) <- "Toutes les racines et tubercules blancs ou plantains, tels que : Patate douce à chair blanche, pomme de terre, igname, taros, manioc (gari, tapioca), banane plantain, arbre à pain ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWPulse) <- "Tous les haricots, niébés ou les pois, tels que : Haricots (niébé), petits pois, pois chiches, lentilles, autres légumes secs, autres haricots ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWNuts) <- "Des noix ou des graines, comme : Fruit secs, arachide (en pâte ou autre), soja, noix de cajou, noix sauvages, graines de palme ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWDairy) <- "Tout lait ou produit laitier, tel que : Lait frais, lait en poudre, lait concentré (sucré ou non), yaourt, fromage, crème fraîche, Lait fermenté ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWPrMeatO) <- "Toute viande à base d'organes d'animaux, comme : Foie (veau, mouton, chèvre, volailles,), abats pleins (cœur, reins, rate, poumon), boudin noir, œuf de poisson ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWPrMeatF) <- "Viandes et volailles : Bœuf, mouton, chèvre, porc (y compris charcuterie), langue, lapin, viande de brousse, Poulet, pintades, dindon, caille, pigeon, chien, chat, singe ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWPrFish) <- "Tout poisson ou fruit de mer, qu'il soit frais ou séché : Poisson frais, poisson fumé, salé, séché (sauf pincée de poudre), conserves (sardines, thon.), tous fruits de mer, crabes, crevettes fraiches, fumées ou séchées ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWPrEgg) <- "Les œufs : Œufs de poule, pintade, caille, de canard, de dinde, … ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWVegGre) <- "Tous les légumes à feuilles vert foncé, tels que : Oseille, amarante, salade, feuilles de baobab, corète potagère, épinards, feuilles d’oignon, de haricot, de manioc, de patates douces, de carottes, etc. + toutes feuilles sauvages ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWVegOrg) <- "Tous les légumes ou racines qui sont de couleur orange à l'intérieur, comme : Courge, carotte, poivron rouge, patate douce à chair orange ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWVegOth) <- "Tout autre légume : Tomates (sauf concentré), gombo frais, aubergines, concombres, choux, navets, oignons, poivrons verts, haricots verts… ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PWMDDWFruitOrg) <- "Tous les fruits qui sont jaune foncé ou orange à l'intérieur, comme : Mangue, papaye, melon, orange"
var_label(WFP_BFA$PWMDDWFruitOth) <- "Tout autre fruit : Ananas, banane, goyave, dattes, pastèque, canne à sucre, pomme cannelle, orange, citron, jus de fruits frais (fruits pressés sans conservateurs), raisins, fruits sauvages (tamarin, ...), fruit de baobab "
var_label(WFP_BFA$PWMDDWSnf) <- "Super-céréales ou autres produits fortifiés : Super-Cereal or Plumpy Sup et autres SNF distribues par le PAM"
var_label(WFP_BFA$PWMDDWCond) <- "Tous les condiments et assaisonnements, tels que : Concentré de tomates, piment, poudre de poisson, sel, cube Maggi"
var_label(WFP_BFA$PWMDDWOth1) <- "Toute autre boisson et tout autre aliment: Café ou thé non sucré, Bouillon clair, alcool, Cornichon, olive et produits similaires"
var_label(WFP_BFA$PWMDDWInsects) <- "Insectes, larves et larves d'insectes, œufs d'insectes et escargots terrestres et marins"
var_label(WFP_BFA$PWMDDWFatRpalm) <- "Huile de palme rouge"
var_label(WFP_BFA$PWMDDWFatOth) <- "Huile ; graisses ou beurre ajoutés aux aliments ou utilisés pour la cuisson, y compris les huiles extraites des noix, des fruits et des graines ; et toutes les graisses animales"
var_label(WFP_BFA$PWMDDWSnack) <- "Chips et frites, pâte frite ou autres snacks frits"
var_label(WFP_BFA$PWMDDWSugarFood) <- "Les aliments sucrés, comme les chocolats, les bonbons, les biscuits et les gâteaux, les pâtisseries sucrées ou les glaces"
var_label(WFP_BFA$PWMDDWSugarBev) <- "Jus de fruits sucrés et 'boissons au jus', boissons gazeuses, boissons chocolatées, boissons au malt, boissons au yaourt ou thé ou café sucré avec du sucre"
var_label(WFP_BFA$MAD_dob) <-"Date de naissance de (MAD_name)"
var_label(WFP_BFA$MAD_sex) <- "Sexe de l'enfant de (MAD_name)"
var_label(WFP_BFA$MAD_resp_age) <- "Âge en mois de (MAD_name)"
var_label(WFP_BFA$EverBreastF) <- "Est-ce que l’enfant n’a jamais été nourri(e) au sein ?"
var_label(WFP_BFA$PCIYCBreastF) <- "Parfois les enfants sont nourris au lait maternel par d’autres moyens (cuillère, tasse, biberon) ; parfois une autre femme allaite l’enfant. Est-ce que l’enfant a été nourri(e) au lait maternel hier par l’une ou l’autre de ces méthodes dans la journée ou dans la nuit ?"
var_label(WFP_BFA$PCIYCInfFormNb) <- "Combien de fois au cours de la journée ou de la nuit (MAD_name) a-t-il consommé une formule infantile"
var_label(WFP_BFA$PCIYCDairyMiNb) <- "Combien de fois au cours de la journée ou de la nuit (MAD_name) a-t-il consommé du lait (en poudre, lait frais d’animaux, autre)"
var_label(WFP_BFA$PCIYCDairyYoNb) <- "Combien de fois au cours de la journée ou de la nuit (MAD_name) a-t-il consommé Yaourt, lait caillé"
var_label(WFP_BFA$PCIYCStapPoNb) <- "Combien de fois au cours de la journée ou de la nuit (MAD_name) a-t-il consommé uen préparation pour bébé – type bouillie légère"
var_label(WFP_BFA$PCMADStapCer) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, de la bouillie (mil, riz,..), pain, riz, tô, couscous ou d’autres aliments à base de céréales ?"
var_label(WFP_BFA$PCMADVegOrg) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison du potiron, carottes, courges, patates douces à chair jaune ou orange ?"
var_label(WFP_BFA$PCMADStapRoo) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison des ommes de terre à chair blanches, igname, manioc blanc, manioc, ou d’autres aliments à base de racines ou tubercules ?"
var_label(WFP_BFA$PCMADVegGre) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des légumes à feuilles vertes foncées ?"
var_label(WFP_BFA$PCMADFruitOrg) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des fruits à couleur orange (mangues, papayes etc.) ?"
var_label(WFP_BFA$PCMADVegFruitOth) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des autres fruits et légumes : oignon, tomates, concombre, haricot vert, petit pois, banane, pomme, citron, mandarine, orange, goyave etc ?"
var_label(WFP_BFA$PCMADPrMeatO) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, du foie, rognon, cœur et/ou autres abats rouges ?"
var_label(WFP_BFA$PCMADPrMeatF) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, de la viande : chèvres, moutons, agneau, bœuf, poulet, chameaux ?"
var_label(WFP_BFA$PCMADPrEgg) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des Œufs ?"
var_label(WFP_BFA$PCMADPrFish) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, du poisson frais ou séché, fruits de mer, coquillages, crustacés ?"
var_label(WFP_BFA$PCMADPulse) <- "Plats ou aliments contenant des haricots, pois, lentilles, noix ou graines ajouter / remplacer des exemples basés sur le pays/la région"
var_label(WFP_BFA$PCMADDairy) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, du fromage, yahourt, lait ou autres produits laitiers ?"
var_label(WFP_BFA$PCMADFatRpalm) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des aliments à base d’huile de palme rouge, noix de palme rouge ou pulpe de noix de palme rouge ?"
var_label(WFP_BFA$PCMADSnfChild) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, des aliments fortifiés ?"
var_label(WFP_BFA$PCMADSnfPowd) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, de la poudre de micronutriments ?"
var_label(WFP_BFA$PCMADSnfLns) <- "(MAD_name) a t-il mangé hier au cours de la journée ou de la nuit, que ce soit à la maison ou à l’extérieur de la maison, une formule enrichie pour enfants ?"
var_label(WFP_BFA$PCIYCMeals) <- "Combien de fois l’enfant a consommé des aliments solides, semi-solides ou mous hier, pendant la journée ou la nuit ?"
label(WFP_BFA$rCSILessQlty) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage dû consommer des aliments moins préférés et moins chers parce qu'ils n'avaient pas assez de nourriture ou de l'argent pour acheter de la nourriture"
label(WFP_BFA$rCSIBorrow) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage dû emprunter de la nourriture ou compter sur l’aide des parents/amis parce qu'ils n'avaient pas assez de nourriture ou de l'argent pour acheter de la nourriture"
label(WFP_BFA$rCSIMealSize) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage dû diminuer la quantité consommée pendant les repas parce qu'ils n'avaient pas assez de nourriture ou de l'argent pour acheter de la nourriture"
label(WFP_BFA$rCSIMealAdult) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage dû restreindre la consommation des adultes pour nourrir les enfants parce qu'ils n'avaient pas assez de nourriture ou de l'argent pour acheter de la nourriture"
label(WFP_BFA$rCSIMealNb) <- "Nombre de de jours, au cours des 7 derniers jours, lesquels les membres du ménage dû diminuer le nombre de repas par jour parce qu'ils n'avaient pas assez de nourriture ou de l'argent pour acheter de la nourriture"
label(WFP_BFA$LhCSIStress1) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû vendre des actifs/biens non productifs du ménage (radio, meuble, réfrigérateur, télévision, bijoux, etc.) en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIStress2) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû vendre plus d’animaux (non-productifs) que d’habitude en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIStress3) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû dépenser l’épargne en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIStress4) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû emprunter de l’argent / nourriture auprès d’un prêteur formel / banque en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSICrisis1) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû réduire les dépenses non alimentaires essentielles telles que l’éducation, la santé (dont de médicaments) en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSICrisis2) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû vendre des biens productifs ou des moyens de transport (machine à coudre, brouette, vélo, car, etc.) en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSICrisis3) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû retirer les enfants de l’école en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIEmergency1) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû vendre la maison ou des terrains en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIEmergency2) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû mendier en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
label(WFP_BFA$LhCSIEmergency3) <- "Au cours des 30 derniers jours, est-ce qu’un membre de votre ménage a dû vendre les derniers animaux femelles reproductrices en raison d'un manque de nourriture ou d'argent pour acheter de la nourriture ?"
#FP_BFA <- labelled::to_factor(WFP_BFA)
FP_BFA <-WFP_BFA
colonnes_caracteres <- sapply(FP_BFA, function(x) !is.numeric(x))
FP_BFA[colonnes_caracteres] <- lapply(FP_BFA[colonnes_caracteres], to_factor)
haven::write_dta(FP_BFA,"WFP_BFA.dta")
#devtools::install_github("pcctc/croquet")
library(croquet)
library(openxlsx)
wb <- createWorkbook()
add_labelled_sheet(FP_BFA)
saveWorkbook(wb, "WFP_BFA.xlsx",overwrite = TRUE)
7 Social capital index (Indice de capital social)